1.一种基于生成对抗网络的机械异常检测方法,其特征在于,包括:
正常信号预处理:对正常信号进行傅里叶变换,并将频谱归一化到第一预设范围。
网络训练:利用多组预处理后的正常信号对生成对抗网络进行训练,使随机噪声通过网络后能够生成与预处理后的正常信号数据分布相似的伪造信号;
待测信号预处理:对待测信号进行傅里叶变换,并将频谱归一化到第二预设范围;
网络测试:把预处理后的待测信号输入到训练后的生成对抗网络,不断更新优化随机噪声以使生成的伪造信号与输入信号的差距最小;
异常检测:持续向网络输入预处理后的监测信号,计算各信号与最终伪造信号的相似度,观察相似度指标随时间的变化情况,当持续减小时,判定异常发生。
2.如权利要求1所述的基于生成对抗网络的机械异常检测方法,其特征在于,所述第一预设范围是[0,1]。
3.如权利要求1所述的基于生成对抗网络的机械异常检测方法,其特征在于,所述第二预设范围是[0,1]。
4.如权利要求1所述的基于生成对抗网络的机械异常检测方法,其特征在于,网络训练的优化算法包括(SGD)、带动量的随机梯度下降法(Momentum)、Nesterov动量法、Adagrad算法、自适应矩估计法(Adam)中的至少之一。
5.如权利要求1所述的基于生成对抗网络的机械异常检测方法,其特征在于,伪造信号与输入信号之间的差距计算方法包括平均绝对误差法和均方误差法中的至少之一。
6.如权利要求1所述的基于生成对抗网络的机械异常检测方法,其特征在于,网络测试中优化随机噪声的算法包括随机梯度下降法(SGD)、带动量的随机梯度下降(Momentum)、Nesterov动量法、Adagrad算法、自适应矩估计法(Adam)中的至少之一。
7.如权利要求1所述的基于生成对抗网络的机械异常检测方法,其特征在于,各输入信号与伪造信号之间的相似度计算方法包括皮尔逊相关系数法、平均绝对误差法、均方误差法中的至少之一。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1到7任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1到7任一项所述方法的步骤。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1到7任一项所述的方法。