[发明专利]一种应用于冷轧轧机断带故障诊断的数据增强方法

权利要求书

1.一种应用于冷轧轧机断带故障诊断的数据增强方法，其特征在于，包括：

采集冷轧中与断带故障诊断相关的多个特征的时序信号，对采集的多个特征的时序信号进行处理，生成二维的故障图像集；

将所述故障图像集划分为训练数据和测试数据；

利用所述训练数据及其对应的标签对辅助分类生成对抗网络进行训练，得到生成模型，其中，训练好的生成模型用于生成断带故障诊断所需要的故障图像。

2.根据权利要求1所述的应用于冷轧轧机断带故障诊断的数据增强方法，其特征在于，所述采集冷轧中与断带故障诊断相关的多个特征的时序信号，对采集的多个特征的时序信号进行处理，生成二维的故障图像集包括：

采集冷轧中与断带故障诊断相关的多个特征的时序信号；

通过堆栈自编码网络对采集的多个特征的时序信号进行降维，得到一维时序信号；

通过信号-图像转换将所述一维时序信号生成二维灰度图，构成二维的故障图像集。

3.根据权利要求2所述的应用于冷轧轧机断带故障诊断的数据增强方法，其特征在于，所述堆栈自编码网络的结构连接方式为：输入层→全连接层→全连接层→全连接层→全连接层。

4.根据权利要求1所述的应用于冷轧轧机断带故障诊断的数据增强方法，其特征在于，所述利用所述训练数据及其对应的标签对辅助分类生成对抗网络进行训练，得到生成模型还包括：

对划分得到的训练数据进行翻转、旋转和加噪处理，得到辅助分类生成对抗网络的训练数据；

将得到的辅助分类生成对抗网络的训练数据及其对应的标签输入到辅助分类生成对抗网络中进行训练，得到生成模型。

5.根据权利要求1所述的应用于冷轧轧机断带故障诊断的数据增强方法，其特征在于，所述辅助分类生成对抗网络包括：生成器和判别器；其中，

所述生成器，用于生成故障图像，所述故障图像为二维灰度图；

所述判别器，用于判断生成器生成的故障图像与输入至所述辅助分类生成对抗网络的故障图像的差异，并对生成器提供反馈。

6.根据权利要求1所述的应用于冷轧轧机断带故障诊断的数据增强方法，其特征在于，在利用所述训练数据及其对应的标签对辅助分类生成对抗网络进行训练，得到生成模型之后，所述方法还包括：

利用所述生成模型生成断带故障诊断所需要的故障图像；

将生成的故障图像与原始划分得到的训练数据共同输入到二维卷积神经网络中进行训练，得到断带故障诊断模型；

其中，训练好的断带故障诊断模型用于进行断带故障诊断，输出断带故障类型。

7.根据权利要求1所述的应用于冷轧轧机断带故障诊断的数据增强方法，其特征在于，所述二维卷积神经网络的结构连接方式为：二维卷积层→最大池化层→二维卷积层→最大池化层→二维卷积层→最大池化层→二维卷积层→最大池化层→全连接层→全连接层→SoftMax层，其中，SoftMax表示归一化指数函数。

8.根据权利要求1所述的应用于冷轧轧机断带故障诊断的数据增强方法，其特征在于，在将生成的故障图像与原始划分得到的训练数据共同输入到二维卷积神经网络中进行训练，得到故障诊断模型之后，所述方法还包括：

利用划分得到的测试数据对训练好的断带故障诊断模型进行测试。