一种聚酯酯化阶段的故障诊断方法技术

本发明专利技术公开了一种聚酯酯化阶段的故障诊断方法，该方法混合了全局监督学习和情景度量元学习，利用单个样本的属性信息和来自样本组的相似性信息，首先以全局监督训练的方式，利用变分模态分解得到多尺度数据，提取具有故障特征的多尺度分量，进行多尺度特征融合学习，并利用三元组损失学习到更好的细微的特征，然后固定多尺度特征融合模块用于任务元学习训练，学习一种特征，使得元任务的原始数据转换为基本的特征空间，最后利用维度变分原型模块来自适应地测量样本对的特征相似度，通过变分推断的统计学方法自动学习度量放缩参数来变换嵌入空间

【技术实现步骤摘要】
一种聚酯酯化阶段的故障诊断方法


[0001]本专利技术属于自动控制
，涉及一种聚酯酯化阶段的故障诊断方法
。

技术介绍

[0002]在规模化
、
高端化
、
复杂化与智能化的现代复杂工业过程中，过程故障会造成严重的人员伤亡和经济损失
。
为了防止这种情况，已经开发了一系列故障诊断技术
。
传统的
、
基于信号处理的方法往往需要过多的人工干预，难以满足现代设备的大规模和自动带来的诊断准确性和效率的要求
。
随着大规模传感器的部署和大量数据的可用，数据驱动方法已经成为工业故障诊断的有效技术
。
[0003]在实际的工业场景中，由于工艺设备和工作条件的变化，新的工作条件下可能会出现与源条件不完全相同的故障类别，本专利技术将其称为开放集故障诊断问题
。
解决这个问题的方法主要分为两类：一种是基于判别模型的方法，采用阈值分类方案，决策器要么拒绝输入样本，要么根据经验设定的阈值将输入样本归类到已知类别中；另一种是基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种聚酯酯化阶段的故障诊断方法，其特征在于，包括以下步骤：
(1)
在实际生产过程中于
B
生产线的聚酯酯化阶段采集数据，获取待诊断故障样本
B
；
(2)
专家
、
技术人员对待诊断故障样本
B
进行故障诊断，将待诊断故障样本
B
分为故障类型已知的已诊断故障样本
B1
和故障类型未知的待诊断故障样本
B2
，将所有的
B1
组成支持集
S
*
，
S
*
中含有
C*
个故障类型；
(3)
利用
VMD
技术对
B1
和
B2
进行分解，得到尺度数为
H
的多尺度特征；
(4)
将
S
*
中故障类型相同的样本归为一类，计算第
c*
类的故障原型
c*
＝
1,2...,C*
；式中，代表
S
*
中
C*
个故障类型的样本，代表
S
*
中
C*
个故障类型的样本的数量，代表
S
*
中的样本的
D
维度特征向量，代表
S
*
中的样本的故障类型标签，代表利用训练好的多尺度特征融合模块对进行特征提取后得到的特征向量，代表利用训练好的维度变分原型模块对进行进一步特征处理得到的度量特征；
(5)
计算与的欧几里得距离的欧几里得距离代表
B2
的
D
维度特征向量，代表利用训练好的多尺度特征融合模块对进行特征提取后得到的特征向量，代表利用训练好的维度变分原型模块对进行进一步特征处理得到的度量特征；
(6)
计算
B2
的故障类型属于第
c*
类的概率类的概率代表模型预测出的标签，
α
代表维度变分原型模块的维度放缩参数，代表除了第
c*
类以外的其它类的故障原型；
(7)
将概率最大值对应的故障类型作为
B2
的故障类型；多尺度特征融合模块由第一一维卷积层
、
第一池化层
、
第二一维卷积层
、
第二池化层
、
第三一维卷积层和第四一维卷积层顺序连接而成；第一一维卷积层采用
H
个相同尺寸的卷积核，用于将尺度数为
H
的多尺度特征融合叠加成单尺度特征图；维度变分原型模块由第一一维卷积层
、
第一池化层
、
第二一维卷积层
、
第二池化层顺序连接而成；多尺度特征融合模块和维度变分原型模块的训练方法为：对
A
生产线的故障样本首先以全局监督训练的方式识别源域数据的故障类型，然后固定多尺度特征融合模块，用于任务元学习训练，学习一种特征代表，使得同类故障相对于不同类故障在嵌入空间中更接近，最后利用维度变分原型模块来自适应地测量样本对的特征相似度，通过变分推断的统计学方法自动学习度量放缩参数来变换嵌入空间；
A
生产线和
B
生产线为工艺流程相同
、
同时进行的两条生产线
。
2.
根据权利要求1所述的一种聚酯酯化阶段的故障诊断方法，其特征在于，步骤
(2)
中，专家
、
技术人员对待诊断故障样本
B
进行故障诊断的过程为：专家
、
技术人员收集并记录关键的数据和信息，根据工艺参数和故障现象，分析故障的特征和表现，并与已知的故障数据库进行比对，根据专业领域知识和生产的特定情况给出故障类型
。3.
根据权利要求1所述的一种聚酯酯化阶段的故障诊断方法，其特征在于，步骤
(3)
中，利用
VMD
技术对
B1
进行分解时，模态个数设置为
3。4.
根据权利要求1所述的一种聚酯酯化阶段的故障诊断方法，其特征在于，多尺度特征融合模块的第一一维卷积层中核的尺寸为
64
×1×3，步长为2×1，核的数量为
16
，激活函数为
ReLU
；第一池化层中核的尺寸为2×1，步长为2×1，核的数量为
16
，激活函数为
Max
；第二一维卷积层中核的尺寸为3×1，步长为2×1，核的数量为
32
，激活函数为
ReLU
；第二池化层中核的尺寸为2×1，步长为2×1，核的数量为
32
，激活函数为
Max
；第三一维卷积层中核的尺寸为2×1，步长为2×1，核的数量为
64
，激活函数为
ReLU
；第四一维卷积层中核的尺寸为2×1，步长为2×1，核的数量为
64
，激活函数为
ReLU。5.
根据权利要求1所述的一种聚酯酯化阶段的故障诊断方法，其特征在于，维度变分原型模块的第一一维卷积层中核的尺寸为2×1，步长为2×1，核的数量为
64
，激活函数为
ReLU
；第一池化层中核的尺寸为2×1，步长为2×1，核的数量为
64
，激活函数为
Max
；第二一维卷积层中核的尺寸为2×1，步长为2×1，核的数量为
128
，激活函数为
ReLU
；第二池化层中核的尺寸为2×1，步长为2×1，核的数量为
128
，激活函数为
Max。6.
根据权利要求1所述的一种聚酯酯化阶段的故障诊断方法，其特征在于，多尺度特征融合模块和维度变分原型模块的训练过程如下：
(a)
在实际生产过程中于
A
生产线的聚酯酯化阶段采集数据，获取待诊断故障样本
A
；
(b)
专家
、
技术人员对待诊断故障样本
A
进行故障诊断，得到故障样本的故障类型；
(c)
利...

【专利技术属性】
技术研发人员：陈磊，彭闯，曹广浩，郝矿荣，蔡欣，隗兵，
申请(专利权)人：东华大学，
类型：发明
国别省市：