基于迁移学习的工业过程故障诊断方法研究与实现

论文摘要

工业设备的结构日益复杂,对设备安全性和可靠性的要求也越来越高,对设备的故障进行实时监测和分析就显得十分必要。现在许多企业依然使用纸质点检、人工分析的工作方式,对检修人员的专业知识也有很高的要求,更重要的是,这个过程很可能存在着由于人工疏忽而产生的误差,造成对设备故障的漏判、误判。因此工业故障智能诊断技术的研究具有十分重要的意义。本文针对故障诊断问题中存在的有标记训练样本数量不足的问题,以迁移学习方法为基础,提出了两种故障诊断方法。针对源域和目标域同构的情况,将对抗思想和迁移学习相结合,提出了双重对抗迁移学习方法（Adversarial-Adversarial Transfer Learning,AATL）。利用编码器对源域和目标域数据进行特征提取,然后用一个域分类器评价源域和目标域分布差异,找到二者之间潜在的分布差异,通过对抗地训练编码器和域分类器,使源域和目标域在特征空间内分布相近。为进一步减小源域目标域分布差异带来的损失,在目标函数中加入了最大均值差异。在网络中加入一个与主网络目标相反的辅助网络,通过拉开主网络和辅助网络之间的距离,提高了主网络的学习能力,避免了对抗过程中“模式崩溃问题”的发生。针对源域和目标域异构的情况,提出了基于栈式稀疏自编码的异构迁移学习算法（Domain adaptive based on Sparse Auto-Encoders,DSAEs）。利用两个不同的栈式自编码器分别对源域和目标域数据提取相同维度的特征,提出域间中心距离的概念来评价源、目标域特征分布差异,将其加入到编码器的目标函数中,交替地更新两个编码器的参数,最终使源域和目标域在特征空间内分布相同,最后利用源域特征训练出分类器,并将其应用到目标问题的诊断中。对提出的双重对抗迁移学习方法,先后在凯斯西储大学轴承故障诊断标准数据集和某钢厂采集的轧机颤振历史数据集上进行了实验。实验结果显示,AATL的诊断精度较其他迁移学习算法有明显的提高,而对比于经典的机器学习算法,优势更加明显。通过对比实验,证明了辅助网络的加入提高了模型的收敛速度。对提出的基于栈式稀疏自编码的异构迁移学习算法,在手写数据集、西储大学轴承故障诊断标准数据集以及轧机颤振历史数据集上进行了实验,实验结果表明,不同源域数据辅助训练的分类器对目标任务有不同的性能。在目标域内标记数据不足的情况下,该方法的性能优于传统的机器学习方法。

论文目录

文章来源

类型: 硕士论文

作者: 王春峰

导师: 赵珺

关键词: 故障诊断,迁移学习,对抗网络,辅助网络,域间中心距离

来源: 大连理工大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 数学,数学,工业通用技术及设备,自动化技术

单位: 大连理工大学

分类号: TP181;TB114.3

DOI: 10.26991/d.cnki.gdllu.2019.001402

总页数: 53

文件大小: 1362K

下载量: 266

相关论文文献

• [1].动态系统的主动故障诊断技术[J]. 自动化学报 2020(08)
• [2].工业机器人故障诊断方法发展现状及发展方向[J]. 河南科技 2020(28)
• [3].电控汽车故障诊断技术的现状与发展趋势[J]. 时代汽车 2020(19)
• [4].飞机故障诊断中飞参的数据支持作用研究[J]. 电子制作 2019(12)
• [5].农用汽车发动机状态监测系统与诊断方法研究[J]. 农机化研究 2018(02)
• [6].烟草机械中故障诊断技术的应用[J]. 南方农机 2018(04)
• [7].故障诊断技术在烟草机械中的应用和发展趋势[J]. 科技风 2018(22)
• [8].故障诊断方法现状及发展方向研究[J]. 电工技术 2018(18)
• [9].石化转动设备状态监测与故障诊断平台及应用[J]. 石化技术 2017(10)
• [10].舰船电子装备电路板的故障诊断策略研究[J]. 科技与企业 2016(01)
• [11].航天器故障诊断技术综述及发展趋势[J]. 软件 2016(07)
• [12].汽轮机故障诊断技术的发展分析和研究[J]. 科技创新与应用 2015(08)
• [13].星型网络的几种故障诊断度研究[J]. 广西大学学报(自然科学版) 2015(03)
• [14].大功率陶瓷真空电容的故障诊断和失效分析[J]. 同行 2016(08)
• [15].三相SPWM逆变电源的故障诊断及仿真[J]. 数码世界 2016(12)
• [16].盾构机设备监测与故障诊断技术[J]. 科学中国人 2017(05)
• [17].PeakVue技术在故障诊断中的应用与分析[J]. 科学中国人 2017(06)
• [18].浅谈传感器的故障诊断技术[J]. 考试周刊 2017(33)
• [19].基于在线监测平台分析水电厂的故障诊断方法[J]. 科学中国人 2017(09)
• [20].上海大众汽车故障诊断与排除[J]. 学园 2017(04)
• [21].论矿山机电设备维修中故障诊断技术的运用[J]. 数码世界 2017(09)
• [22].舒适性系统车载网络的故障诊断与排除[J]. 现代工业经济和信息化 2019(11)
• [23].矿山机械设备维修中的故障诊断技术[J]. 石化技术 2020(02)
• [24].空调制冷异常故障诊断与排除方法解析[J]. 现代制造技术与装备 2020(01)
• [25].任务驱动教学法在“汽车发动机冷却系故障诊断与排除”教学中的实践[J]. 中阿科技论坛(中英阿文) 2020(04)
• [26].对化工离心泵常见故障诊断及处理的几点思考[J]. 山东化工 2019(05)
• [27].故障诊断技术在烟草机械中的应用[J]. 价值工程 2018(21)
• [28].汽车底盘的故障诊断与修理分析[J]. 科技展望 2016(33)
• [29].综采机电维修的故障诊断技术[J]. 机电工程技术 2016(10)
• [30].汽车发动机失火故障诊断方法研究综述[J]. 自动化学报 2017(04)

标签：故障诊断论文;  迁移学习论文;  对抗网络论文;  辅助网络论文;  域间中心距离论文;