公开(公告)号：CN119722372A

公开(公告)日：2025-03-28

申请号：CN202411727863.9

申请日：2024-11-28

Applicant: 上海大学

Inventor： 刘丽兰 ,  潘云杰 ,  孙衍宁 ,  高增桂

IPC: G06Q50/04 ,  G06N5/025 ,  G06N3/04 ,  G06N3/08 ,  G06F17/10

Abstract: 本发明涉及计算机深度学习技术领域，具体涉及一种变工况复杂环境下关键工艺参数的预测方法。该预测方法的步骤为：采集先前工况条件下生产过程在不同时刻的工艺参数数据，得到先前工况工艺参数数据集，采用先前工况工艺参数数据集对预先构建的关键工艺参数预测MTEGAT模型进行训练，得到训练好的关键工艺参数预测MTEGAT模型；采集当前工况条件下生产过程在不同时刻的工艺参数数据，得到当前工况工艺参数数据集，采用当前工况工艺参数数据集对步骤S1得到的训练好的关键工艺参数预测MTEGAT模型进行训练，得到更新关键工艺参数预测MTEGAT模型；将当前工况条件下生产过程的工艺参数数据输入所述更新关键工艺参数预测MTEGAT模型中进行预测，得到当前工况条件下生产过程关键工艺参数的预测结果。本发明预测方法在遇到新运行工况时，可以通过巩固之前工况的知识来不断学习，预测准确度高，鲁棒性好。

公开(公告)号：CN119272160A

公开(公告)日：2025-01-07

申请号：CN202411200651.5

申请日：2024-08-29

Applicant: 上海大学

Inventor： 刘丽兰 ,  潘坚初 ,  高增桂 ,  孙衍宁 ,  周秉强 ,  农伟平 ,  闫振豪

IPC: G06F18/243 ,  G06F18/241 ,  G06F18/214 ,  G06F18/10 ,  G06F18/213 ,  G06N3/096 ,  G06N3/09 ,  G06N3/0464 ,  G01M13/045

Abstract: 本发明涉及计算机深度学习技术领域，涉及一种基于多源域知识联合迁移的设备故障诊断网络模型训练方法，该方法包括：构造训练样本集、验证集和测试集，利用训练样本集对预先构建的设备故障诊断网络模型进行训练，优化设备故障诊断网络模型的参数，得到训练后的设备故障诊断网络模型；采用验证集对训练后的设备故障诊断网络模型进行验证，评估训练后的设备故障诊断网络模型的诊断性能，挑选出最优设备故障诊断网络模型；采用测试集最优设备故障诊断网络模型进行测试，评价最优设备故障诊断网络模型的性能。本发明利用采集到的由若干个有标签源域数据集和无标签源域数据集组成的含少量标记的多源域数据集对模型进行多源域协同训练，学习故障样本中的领域不变特征，将共享诊断知识从标记数据和未标记数据共同迁移到目标领域中，因此训练后的设备故障诊断网络模型不需要提前获取目标样本即可完成跨域故障诊断任务。