基于迁移学习的生产设备故障云边协同诊断方法及系统技术方案

本发明专利技术公开了一种基于迁移学习的生产设备故障云边协同诊断方法及系统。所述方法包括：对预处理后的实时运行数据进行工况判断：若为已知历史工况，则将已知历史工况的信息和实时运行数据打包成同工况任务；若为未知工况，则将与该未知工况最接近的若干个相近历史工况的信息和实时运行数据打包成异工况任务；云平台：若接受到同工况任务，则将训练好的故障诊断模型下发至边缘平台；若接受到异工况任务，则对预训练故障诊断模型进行迁移学习训练，将训好的故障诊断模型下发至边缘平台以实现故障诊断。本发明专利技术将练好的故障诊断模型部署在边缘平台以实现更高效的故障诊断，同时为各个工况的故障信号匹配对应的故障诊断模型以实现个性化的故障诊断。

【技术实现步骤摘要】

本专利技术涉及互联网及大数据领域，具体涉及基于迁移学习的生产设备故障云边协同诊断方法及系统。

技术介绍

1、在人工智能、大数据、云计算、边缘计算等新一代信息和计算技术的推动下，智能制造已经融入到制造业的方方面面。大数据为智能制造提供了丰富的知识基础，云计算和边缘计算为智能制造提供了强大的算力基础，通过对数据的实时计算与分析，完成制造资源的实时分配与调度，从而实现智能化、自动化的制造过程。

2、实际制造场景下，对于滚动轴承等设备关键部件，其在高速、重载和长时间冲击等复杂环境下，容易出现各种不同的缺陷(如磨损、剥落和腐蚀)，从而导致设备性能下降，甚至造成安全事故。因此，为了避免这些情况的发生并降低维护的成本，有必要采用准确的方法来实现生产设备关键部件运行故障的判别，这对于设备的稳定运行和设备维护的高效性具有重要意义。

3、在现代制造业中，制造系统产生的数据正在经历爆炸式增长，数据从工业制造的各个环节产生和收集。对制造数据进行系统的计算分析并形成更明智的决策，从而提高智能制造的有效性。换言之，数据驱动制造可以看作是智能制造的必要条件。在智本文档来自技高网...

【技术保护点】

1.基于迁移学习的生产设备故障云边协同诊断方法，其特征在于，包括：

2.如权利要求1所述的基于迁移学习的生产设备故障云边协同诊断方法，其特征在于：步骤S2中，对实时运行数据的预处理包括数据清洗和数据变换；

3.如权利要求1所述的基于迁移学习的生产设备故障云边协同诊断方法，其特征在于：步骤S3中，边缘平台部署有工况判别模型库，该模型库中存储有由每种历史工况的故障数据集训练好的工况判别模型；

4.如权利要求3所述的基于迁移学习的生产设备故障云边协同诊断方法，其特征在于：步骤S3中，工况判别模型为LAE模型，其在VAE网络模型的基础上舍去中间层将特征映射为分...

【技术特征摘要】

1.基于迁移学习的生产设备故障云边协同诊断方法，其特征在于，包括：

2.如权利要求1所述的基于迁移学习的生产设备故障云边协同诊断方法，其特征在于：步骤s2中，对实时运行数据的预处理包括数据清洗和数据变换；

3.如权利要求1所述的基于迁移学习的生产设备故障云边协同诊断方法，其特征在于：步骤s3中，边缘平台部署有工况判别模型库，该模型库中存储有由每种历史工况的故障数据集训练好的工况判别模型；

4.如权利要求3所述的基于迁移学习的生产设备故障云边协同诊断方法，其特征在于：步骤s3中，工况判别模型为lae模型，其在vae网络模型的基础上舍去中间层将特征映射为分布的处理，即直接将vae网络模型中编码器生成的特征输入解码器来生成对应的重构数据。

5.如权利要求1所述的基于迁移学习的生产设备故障云边协同诊断方法，其特征在于：步骤s4中，故障诊断模型包括特征提取模块、域融合模块和分类模块；其中域融合模块为变分自编码器；

6.如权利要求5所述的基于迁移学习的生产设备故障云边协...

【专利技术属性】
技术研发人员：李孝斌，肖博，江沛，尹超，
申请(专利权)人：重庆大学，
类型：发明
国别省市：