买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：桂林电子科技大学

摘要：本发明提供了一种基于Stack‑GANs模型的风机故障检测方法，所述方法包括以风电机组工况参数构成的风机数据集，并通过Stack‑GANs模型处理后输入到风机故障检测模型中，得到检测结果。本发明利用Stack‑GANs算法在处理风机数据不平衡问题上的有效性，减少数据集类别不平衡对风机故障检测带来的负面效果，提高了风机故障检测的效率和准确度。

主权项：1.一种基于Stack-GANs模型的风机故障检测方法，包括以风电机组工况参数构成的风机数据集，并通过Stack-GANs模型处理后输入到风机故障检测模型中，得到检测结果，其特征在于，Stack-GANs模型的构建包括以下步骤：1运用随机森林方法，根据风电机组工况参数的重要程度对风机数据集中的特征进行筛选，获得新的特征子集，从新的特征子集中，提取出少数类特征数据集P＝{p1,p2,…,pi,…,pm}；2运用Pearson相关系数法和MIC分析法，对所述少数类特征数据集P进行划分，分别得到Group1特征数据子集和Group2特征数据子集3将所述Group1和Group2特征数据子集分别用于训练GANs1和GANs2，在训练过程中利用随机噪声作为输入，通过交替的使用公式a和公式b来训练Discriminator和Generator；其中，公式a为：公式b为：公式中：px表示特征数据子集P1和P2的分布情况，xt表示特征数据子集P1和P2中在t时刻的真实样本数据，pz表示输入到Generator中的随机噪声的分布情况，zt表示在t时刻输入Generator中的随机噪声数据，D表示Discriminator，G表示Generator，和分别表示D和G中RNN上一时刻的隐藏状态值；4在步骤3的模型训练结束后，将两个Discriminator进行移除，保留相应的Generator1和Generator2；5利用所述Generator1和Generator2生成相应的分组数据Group3和Group4，将所述分组数据Group3和Group4拼接起来，形成的数据组为粗糙样本数据；6将所述粗糙样本数据作为输入，通过交替的使用公式c和公式d来训练Discriminator和Generator；其中，公式c为： 公式d为：公式中：G1和G2分别表示步骤4中保留的Generator1和Generator2，pAx表示少数类特征数据集P的分布情况，xtA表示少数类特征数据集P中在t时刻的真实样本数据，pG1z和pG2z分别表示输入到G1和G2中的随机噪声的分布情况，ztG1和ztG2分别表示在t时刻输入G1和G2中的随机噪声数据，D表示Discriminator，G表示Generator，和分别表示D和G中RNN上一时刻的隐藏状态值；7在步骤6训练结束后，移除Discriminator，保留相应的Generator3；8以保留的Generator1、Generator2、Generator3为基础，完成对Stack-GANs模型的搭建。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 基于Stack-GANs模型的风机故障检测方法及存储介质