[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

说明书

本发明提供一种应用于冷轧轧机断带故障诊断的数据增强方法，属于钢铁冶金和故障诊断技术领域。所述方法包括：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。采用本发明，在提高生成模型训练速度的同时，能够提高生成的故障图像的质量，以便于定向生成断带故障诊断所需要的故障图像，从而解决断带故障诊断中故障数据不足的问题。

技术领域

本发明涉及钢铁冶金和故障诊断技术领域，特别涉及是指一种应用于冷轧轧机断带故障诊断的数据增强方法。

背景技术

现代带钢冷轧是一条按订单柔性化生产的高质、高效的全自动化生产作业线，断带是冷轧生产线中最常见的故障之一。一旦发生断带故障，轻则会导致设备损坏。影响轧制生产效率，重则会由于绞带而引发火灾，对人身安全造成极大的威胁。对冷轧断带进行故障诊断能有效预防事故发生、抑制产品质量下降、最大限度发挥流程运行潜力，具有重要的科学意义。

基于数据驱动的故障诊断方法是故障诊断领域常见的方法，而数据质量对方法的精度有着巨大的影响。在断带故障诊断中，影响断带的因素很多，导致数据维度高，诊断时难以提取主要特征，模型训练速度慢。此外，冷轧中轧件正常运行状态数据较好获得，但是相对正常运行，故障出现的频率不高，导致其故障数据较为缺乏，这成为制约基于数据驱动的断带故障诊断研究的一个重要因素。

发明内容

本发明实施例提供了应用于冷轧轧机断带故障诊断的数据增强方法，在提高生成模型训练速度的同时，能够提高生成的故障图像的质量，以便于定向生成断带故障诊断所需要的故障图像，从而解决断带故障诊断中故障数据不足的问题。所述技术方案如下：

一方面，提供了一种应用于冷轧轧机断带故障诊断的数据增强方法，该方法应用于电子设备，该方法包括：

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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。