公开(公告)号：CN117112992A

公开(公告)日：2023-11-24

申请号：CN202310948985.X

申请日：2023-07-31

Applicant: 东华大学

Inventor： 陈磊 ,  彭闯 ,  曹广浩 ,  郝矿荣 ,  蔡欣 ,  隗兵

IPC: G06F18/00 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/09 ,  G06N3/084

Abstract: 本发明公开了一种聚酯酯化阶段的故障诊断方法，该方法混合了全局监督学习和情景度量元学习，利用单个样本的属性信息和来自样本组的相似性信息，首先以全局监督训练的方式，利用变分模态分解得到多尺度数据，提取具有故障特征的多尺度分量，进行多尺度特征融合学习，并利用三元组损失学习到更好的细微的特征，然后固定多尺度特征融合模块用于任务元学习训练，学习一种特征，使得元任务的原始数据转换为基本的特征空间，最后利用维度变分原型模块来自适应地测量样本对的特征相似度，通过变分推断的统计学方法自动学习度量放缩参数来变换嵌入空间。本发明的方法简单，解决了有限数据全开放集场景下的故障诊断问题。

公开(公告)号：CN115238962A

公开(公告)日：2022-10-25

申请号：CN202210722212.5

申请日：2022-06-24

Applicant: 东华大学

Inventor： 陈磊 ,  彭慧远 ,  彭闯 ,  杨晨 ,  郝矿荣

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于迁移学习的聚酯纤维酯化阶段性能指标的多生产线时间序列预测方法，选取一条工况稳定且连续生产两个月以上的生产线作为源域，一条缺乏历史数据集且需要构建时间序列预测模型的生产线作为目标域，采用基于迁移学习的聚酯纤维酯化阶段性能指标的多生产线时间序列预测模型，从源域中的酯化阶段历史数据集中迁移可用知识，对目标域中酯化阶段性能指标未来一段时间内的真实值进行预测。本发明针对单一生产线获取历史标签数据有限，难以建立准确且泛化能力强的时间序列预测模型的问题，引入迁移学习策略，利用其他生产线的历史传感器数据增加数据集差异性，填补由于缺少样本而造成的数据空白，从而帮助目标域构建时间序列预测模型。