[发明专利]一种生产线故障检测方法

权利要求书

1.一种生产线故障检测方法，其特征在于，该方法包括以下步骤：

步骤S1：获得随机噪声和原始训练数据；

步骤S2：利用随机噪声和原始训练数据训练对抗生成网络，对抗生成网络的生成数据和原始训练数据成对进入强化学习网络，训练强化学习网络；

步骤S3：强化学习网络根据原始训练数据对生成数据进行筛选，得到模拟数据，并将筛选结果反馈至对抗生成网络；

步骤S4：利用模拟数据和原始训练数据训练梯度上升决策树，得到生产线故障分类；

步骤S5：利用测试集测试对抗生成网络、强化学习网络和梯度上升决策树，满足设定条件时得到有效对抗生成网络、有效强化学习网络和有效梯度上升决策树；

步骤S6：利用现场数据、有效对抗生成网络、有效强化学习网络和有效梯度上升决策树进行生产线故障检测。

2.根据权利要求1所述的一种生产线故障检测方法，其特征在于，随机噪声为正态分布的随机数。

3.根据权利要求2所述的一种生产线故障检测方法，其特征在于，利用随机噪声与原始训练数据训练对抗生成网络的过程包括：

对抗生成网络的生成器利用随机噪声得到生成数据；

对抗生成网络的鉴别器利用原始训练数据和对应标签对生成数据进行鉴别；

满足对抗生成网络预设条件时停止训练。

4.根据权利要求1所述的一种生产线故障检测方法，其特征在于，训练强化学习网络的过程包括：

强化学习网络的卷积特征提取器提取生成数据-原始训练数据对之间的特征；

计算生成数据-原始训练数据对的相似度的多维描述，对相似度进行拼接后进行强化学习网络训练；

满足强化学习网络预设条件时停止训练。

5.根据权利要求4所述的一种生产线故障检测方法，其特征在于，所述的多维描述包括欧氏距离，历史距离和统计距离，训练过程中若准确判断生成数据和原始训练数据的属性，提供奖励，若判断错误，提供惩罚，若无法确定，提供惩罚。

6.根据权利要求1所述的一种生产线故障检测方法，其特征在于，强化学习网络将筛选结果反馈至对抗生成网络的过程包括：

强化学习网络对生成数据进行评价，得到生成数据的评价值；

根据生成数据的评价值训练对抗生成网络的生成器和鉴别器，若评价值为不可用，对生成器进行训练，若评价值为不确定，对鉴别器进行训练；

满足反馈设定值时停止反馈过程。

7.根据权利要求1所述的一种生产线故障检测方法，其特征在于，所述的强化学习网络设有记忆池，所述记忆池存储历史的筛选结果，用于后续强化学习网络的训练。

8.根据权利要求1所述的一种生产线故障检测方法，其特征在于，所述的对抗生成网络为全连接网络，强化学习网络为卷积神经网络。