CN116152953B 基于对抗学习的轻量级车辆实时故障预警方法及系统 （山东大学）

号基于对抗学习的轻量级车辆实时故障预警本发明公开了一种基于对抗学习的轻量级2按车辆ID和时间顺序对预处理后的车辆运行数据进行排序，且采用滑将当前时间段的多元时间序列输入至基于两阶段对抗训练的轻量级故障预警模型中，输出车辆在下一时间段的预测时间序列；根据下一时间段的预测时间序列和当前时间段的多元时间序列，计算得到异常分数，所述输入层包括线性嵌入层和位置编码层，分别用于基于输入的多元所述卷积Transformer层包括一个经过轻量化的Transformer编码器和两个经过轻量前馈层，所述Transformer编码器的输出作为Transformer解码器输入，分别输入至两个获取车辆正常运行时的车辆运行数据，构建样本训练集，所述样将当前时间段的多元时间序列作为输入序列输入至故按车辆ID和时间顺序对预处理后的车辆运行数据进行排序，且采用设定;3从当前时间段的多元时间序列中截取出与预测时间序列长度相同的当前时间子序列，根据异常分数判断是否将发生故障，当该异常分数大于设定阈值数据处理模块，用于按车辆ID和时间顺序对预处理后的车辆运预测模块，用于将当前时间段的多元时间序列输入至基于两阶段故障预警模块，用于根据下一时间段的预测时间序列和当前时间段的多元时间序列，7.一种电子设备，其特征是，包括存储器和一种基于对抗学习的轻量级车辆实时故障预警器执行时，完成如权利要求1-5中任一项所述的一种基于对抗学习的轻量级车辆实时故障4[0002]本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技5[0012]将当前时间段的多元时间序列输入至基于两阶段对抗训练的轻量级故障预警模[0015]进一步的技术方案，所述故障预警模型包括输入层、卷积Transformer层和输出[0017]所述卷积Transformer层包括一个经过轻量化的Transformer编码器和两个经过车辆ID和时间顺序排序的多个时间段的多元时间序22-Y||26[0029]从当前时间段的多元时间序列中截取出与预测时间序列长度相同的当前时间子[0034]数据处理模块，用于按车辆ID和时间顺序对预处理后的[0043]图1为本发明实施例所述基于对抗学习的轻量级车辆实时故障预警方法的流程7[0056]由于车辆实时数据采集频率很高且正常情况下在前后两个时刻的车辆运行状态8使用Flink的KeyBy算子根据车辆ID进行分组，将属于同一辆车的数据分配至同一个}[0071]将上述截取的w条多元时序数据作为当前时间段的多元时序数据，每当处理新的9当前值的误差生成异常分数，根据异常分数是否大于故障阈值判断未来是否将要发生故[0075]上述步骤S获取的当前时间段的多元时序数据作为输入序列I经过输入层的线性}[0079]由于Transformer结构的注意机制在计算注意力分数时会平等地对待不同的位置[0082]卷积Transformer层包括一个经过轻量化的TransformerEncoder(即编码器)和两个经过轻量化的TransformerDecoder(即解码器)，均使用卷积操作替代了原有结构中过第二解码器Decoder2推理计算再经过输出层得到的第二预测输出(即第二预测时间序O11表示第一解码器Decoder1输出的下一时间段的第一预测时间序21表示第二解码器Decoder2输出的下[0104]A=A+S,S=0[0108]A=A+S,S=IIO-A'llz22-Y||2[0127]数据处理模块，用于按车辆ID和时间顺序对预处理后的载用于由处理器执行的指令集并使处理器执行本需要付出创造性劳动即可做出的各种修改或变形仍在