一种面向工业场景的极端少样本故障诊断方法

  • 国民经济行业:制造业/金属制品、机械和设备修理业/通用设备修理
  • 学科类别:电子、通信与自动控制技术/自动控制技术/自动化技术应用
  • 权利人:上海交通大学

知识产权简介

本发明公开了一种面向工业场景的极端少样本故障诊断方法,涉及工业系统领域,本方法首先基于一分类支持向量机(OCSVM)建立了一种故障初筛机制,能够快速区分故障和正常样本;之后,基于自编码器和孪生网络建立了一种自对抗故障诊断方法,将数据预处理、数据校准、神经网络模型训练紧密耦合在一起,形成了具有反馈机制的闭环,能够充分挖掘已有样本中的信息,实现样本自动校正,建立适用于各种环境工况的极端少样本故障诊断模型。本发明解决了工业现场样本采集成本高、难度大、模型泛化性差的问题,对于避免设备故障发现不及时导致的经济损失和重大安全事故具有重要意义。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式
预估金额
联系合作