基于迁移增量学习框架的小样本数据故障诊断方法及装置制造方法及图纸

本发明专利技术涉及工业故障人工智能诊断技术领域，具体是基于迁移增量学习框架的小样本数据故障诊断方法及装置，包括获取与待诊断目标相似的故障大数据集，以及该待诊断目标实际运行的小样本数据集；对所述故障大数据集和所述小样本数据集进行特征提取、域自适应学习及相似性判断；对达到相似性要求的所述大数据集进行基准模型训练，用所述小样本数据集对基准模型进行增量地权重更新，用更新后的模型对所述小样本数据集进行故障诊断。本发明专利技术实现了在小样本数据集的故障诊断中无需扩充数据集，降低了时间成本，具有实时更新的能力，具有良好的诊断效果，同时能够在数据集混合的情况下，胜任多任务的处理。

【技术实现步骤摘要】

本专利技术涉及工业故障人工智能诊断，尤其涉及基于迁移增量学习框架的小样本数据故障诊断方法及装置。

技术介绍

1、及时和准确的机械故障诊断对于防止产线意外停机，避免出现重大事故具有重要意义。近年来，针对工业机械设备的各种智能故障诊断方法不断提出，并受到了广泛的关注。数据驱动的模型表现出了良好的故障诊断性能，但在实际工业场景下仍存在局限性。机械设备平稳正常运行的时间较长，而故障发生到完全损坏的时间较短且容易造成设备的损坏。因此获取自然发生的故障数据往往十分困难。获取有效的故障诊断数据集需要大量时间和金钱成本。故障样本少、数据集小往往使得故障诊断更具有挑战性。

2、而在现有的技术中，对于样本量少或不均衡的数据集的故障诊断的工作，往往都需要扩充数据集，通过添加噪声、数据增强或生成模型生成样本等方法对数据集进行扩增，无形中增加了时间成本，且诊断效果不佳。

3、因此，亟需一种新的技术方案来解决上述技术问题。

技术实现思路

1、本专利技术的目的在于克服上述现有技术的问题，提供了基于迁移增量学习框架的本文档来自技高网...

【技术保护点】

1.一种基于迁移增量学习框架的小样本数据故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的基于迁移增量学习框架的小样本数据故障诊断方法及装置，其特征在于，所述故障大数据集为已有的易采集的数据量庞大的故障大数据集或者人工构造的故障大数据集；所述小样本数据集通过在线收集目标的实际运行数据进行获取。

3.根据权利要求1所述的基于迁移增量学习框架的小样本数据故障诊断方法及装置，其特征在于，所述步骤(20)包括：

4.根据权利要求3所述的基于迁移增量学习框架的小样本数据故障诊断方法，其特征在于，步骤(21)中所述计算特征之间的域分布差异，使用的核函数为：...

【技术特征摘要】

1.一种基于迁移增量学习框架的小样本数据故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的基于迁移增量学习框架的小样本数据故障诊断方法及装置，其特征在于，所述故障大数据集为已有的易采集的数据量庞大的故障大数据集或者人工构造的故障大数据集；所述小样本数据集通过在线收集目标的实际运行数据进行获取。

3.根据权利要求1所述的基于迁移增量学习框架的小样本数据故障诊断方法及装置，其特征在于，所述步骤(20)包括：

4.根据权利要求3所述的基于迁移增量学习框架的小样本数据故障诊断方法，其特征在于，步骤(21)中所述计算特征之间的域分布差异，使用的核函数为：

5.根据权利要求3所述的基于迁移增量学习框架的小样本数据故障诊断方法，其特征在于，步骤(22)中所述整体损失函数的计算公式为：

6.根据权利要求3所...

【专利技术属性】
技术研发人员：肖芷晴，贡力，邹卓，郑立荣，
申请(专利权)人：复旦大学，
类型：发明
国别省市：