System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能,尤其涉及一种多任务学习和隐私保护的设备健康状态评估方法及系统。
技术介绍
1、旋转设备在现代工业设备中扮演着重要的角色。它们是不可或缺的组成部分,被广泛应用于各个领域。这些设备以其独特的构造和功能,在航空航天、交通运输、电力、石油等行业发挥着关键作用。旋转设备由转子、齿轮和轴承等部件组成,通过动力传递单元实现高效运转。然而,长时间使用会导致疲劳和磨损,因此必须定期进行维护,以确保设备的正常运行。如果忽视维护工作,不仅会影响设备的性能和寿命,还可能带来严重的财产损失甚至人身安全风险。因此,对设备进行准确的健康状态评估,并据此制定合理的维护方案,这不但保障了设备的安全还节约了维护成本。
2、现有的深度学习算法在训练集和测试集具有相同的分布情况时会具有较好的预测效果,然而在现实生产中不同的设备具有不同的运行参数,且不同企业间出于安全等方面的考虑,企业间往往无法共享自己的数据而进行隐私保护,形成数据孤岛,由此导致实际测试应用采集到的数据与训练所采集的数据分布难以达到一致性,进而难以精准地评估出设备的健康状态。
3、因此,亟需一种多任务学习和隐私保护的设备健康状态评估方法及系统来解决上述问题。
技术实现思路
1、本专利技术提供一种多任务学习和隐私保护的设备健康状态评估方法及系统,用以解决现有技术中实际测试应用采集到的数据与训练所采集的数据分布不一致,难以精准地评估出设备的健康状态的缺陷,实现在保护数据隐私的同时,提高设备的健康状态评估的精度。<
...【技术保护点】
1.一种多任务学习和隐私保护的设备健康状态评估方法,其特征在于,应用于多个客户端中的第一客户端,包括:
2.根据权利要求1所述的多任务学习和隐私保护的设备健康状态评估方法,其特征在于,所述对所述第一客户端内的各样本设备的历史运行参数进行奇异值分解,得到所述历史运行参数对应的时域特征和频域特征,包括:
3.根据权利要求1所述的多任务学习和隐私保护的设备健康状态评估方法,其特征在于,所述对所述时域特征和所述频域特征进行特征重构,得到各所述样本设备的健康指标,包括:
4.根据权利要求1所述的多任务学习和隐私保护的设备健康状态评估方法,其特征在于,所述对所述健康指标进行突变检验,根据突变检验结果,获取各所述样本设备的多任务标签,包括:
5.根据权利要求1-4任一项所述的多任务学习和隐私保护的设备健康状态评估方法,其特征在于,所述目标域多任务评估模型包括目标域编码模型和目标域多任务网络;
6.根据权利要求5所述的多任务学习和隐私保护的设备健康状态评估方法,其特征在于,所述基于所述第一客户端内的源域训练集和目标域训练集,以及多个所述
7.根据权利要求6所述的多任务学习和隐私保护的设备健康状态评估方法,其特征在于,所述第一客户端内的初始目标域编码模型对应的损失函数是基于所述第一客户端内的源域训练集中各第一样本设备对应的领域预测结果的正确性概率值以及目标域训练集中各第二样本设备对应的领域预测结果的正确性概率值进行联合构建的。
8.一种多任务学习和隐私保护的设备健康状态评估系统,其特征在于,应用于多个客户端中的任一第一客户端,包括:
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述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如权利要求1至7任一项所述多任务学习和隐私保护的设备健康状态评估方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述多任务学习和隐私保护的设备健康状态评估方法。
...【技术特征摘要】
1.一种多任务学习和隐私保护的设备健康状态评估方法,其特征在于,应用于多个客户端中的第一客户端,包括:
2.根据权利要求1所述的多任务学习和隐私保护的设备健康状态评估方法,其特征在于,所述对所述第一客户端内的各样本设备的历史运行参数进行奇异值分解,得到所述历史运行参数对应的时域特征和频域特征,包括:
3.根据权利要求1所述的多任务学习和隐私保护的设备健康状态评估方法,其特征在于,所述对所述时域特征和所述频域特征进行特征重构,得到各所述样本设备的健康指标,包括:
4.根据权利要求1所述的多任务学习和隐私保护的设备健康状态评估方法,其特征在于,所述对所述健康指标进行突变检验,根据突变检验结果,获取各所述样本设备的多任务标签,包括:
5.根据权利要求1-4任一项所述的多任务学习和隐私保护的设备健康状态评估方法,其特征在于,所述目标域多任务评估模型包括目标域编码模型和目标域多任务网络;
6.根据权利要求5所述的多任务学习和隐私保护的设备健康状态评估方法,其特征在于,所述基于所述第一客户端内的源域训练集和目标域训练集...
【专利技术属性】
技术研发人员:张永,尹晓宇,周炜,郑英,严保康,
申请(专利权)人:武汉科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。