公开(公告)号：CN119988069A

公开(公告)日：2025-05-13

申请号：CN202411831962.1

申请日：2024-12-12

Applicant: 清华大学 ,  内蒙古上都发电有限责任公司 ,  北方联合电力有限责任公司

Inventor： 何潇 ,  胡嵩乔 ,  刘泽夷 ,  吕仕佳 ,  张岩 ,  王志伟 ,  孙旭洋 ,  吕亚泽

IPC: G06F11/07 ,  G06F18/2413 ,  G06F18/214 ,  G06F18/25 ,  G06N20/20

Abstract: 本申请涉及一种工业系统的故障检测方法、装置、电子设备及存储介质，其中，方法包括：基于工业系统的标注样本生成初始训练集；利用初始训练集训练多个基模型，并为每个基模型赋予相同的初始决策权重，以得到集成模型；利用多臂老虎机为每个基模型进行权重分配，以得到每个基模型的实际决策权重，以利用实际决策权重更新集成模型，得到工业系统的故障检测模型，以利用故障检测模型输出工业系统的故障检测结果。由此，解决了相关技术中，诊断模型难以长期使用，且难以适应工业系统的复杂性和多样性，使得诊断结果准确度较差的技术问题。

公开(公告)号：CN118885846A

公开(公告)日：2024-11-01

申请号：CN202410864083.2

申请日：2024-06-30

Applicant: 五冶集团上海有限公司 ,  清华大学

Inventor： 陈世金 ,  胡嵩乔 ,  邹冬良 ,  何潇 ,  刘泽夷

IPC: G06F18/24 ,  G06F18/22 ,  G06F18/214

Abstract: 本发明公开了一种基于分布混淆的实时故障检测方法，专注于解决在线学习在实时故障检测方面的应用问题，设计了一种基于分布混淆的故障检测在线学习框架，该框架能够在较低的标注成本下检测故障，并显著提高了学习算法的效率和准确性。首先，利用离线收集的数据集对模型进行初始化。在在线阶段，当新的数据块到达时，首先利用模型对样本的预测置信度矩阵进行故障检测，然后通过增量更新算法实现模型的实时更新。本发明的方法具有较低计算复杂度和较快训练速度，确保在线阶段模型更新的快速性和故障检测的实时性。

公开(公告)号：CN118484696A

公开(公告)日：2024-08-13

申请号：CN202410406606.9

申请日：2024-04-07

Applicant: 清华大学

Inventor： 何潇 ,  李辰 ,  刘泽夷

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/0895 ,  G01M13/045 ,  G06F123/02

Abstract: 本发明实施例提供一种基于潜变量和宽度学习的实时故障诊断方法与装置，该方法包括：根据工业系统的历史过程数据及其对应的标签数据，构建基于潜变量和宽度学习的故障诊断模型；采集工业系统的实时过程数据，采用故障诊断模型基于实时过程数据对工业系统进行故障诊断，得到工业系统的实时诊断结果；将实时诊断结果确定为实时过程数据对应的伪标签，基于实时过程数据及其对应的伪标签对故障诊断模型进行增量更新，实现了对存在退化现象的工业系统的实时自适应故障诊断。

公开(公告)号：CN116821624A

公开(公告)日：2023-09-29

申请号：CN202310822634.4

申请日：2023-07-05

Applicant: 清华大学

Inventor： 何潇 ,  刘泽夷

IPC: G06F18/20 ,  G06F18/214 ,  G06N3/091 ,  G06Q10/0635 ,  G06Q10/0639

Abstract: 本申请提供的一种实时安全性的评估方法及装置，方法包括：获取监测数据流，并从所述监测数据流当中提取所有数据块每一时刻对应的安全级别信息；通过KernelSHAP方法，基于所述安全级别信息，更新所述安全指标的权重变化；以所述更新后的安全指标及其权重，增量更新评估模型，并使用更新后的评估模型预测安全评估结果；根据预先设定的决策阈值和所述安全评估结果，确定安全性评估结果。通过KernelSHAP方法，在广泛学习系统结构的基础上确定新收集的监测数据流的重要性，减少近似误差造成的负面影响，将漂移检测和适应性与生成的解释的排序偏好相结合，从而更好地预测实时安全评估任务的结果。

公开(公告)号：CN118885905A

公开(公告)日：2024-11-01

申请号：CN202410864082.8

申请日：2024-06-30

Applicant: 五冶集团上海有限公司 ,  清华大学

Inventor： 陈世金 ,  韩鹏宇 ,  邹冬良 ,  何潇 ,  刘泽夷

IPC: G06F18/2415 ,  G06F18/241 ,  G06N3/0895 ,  G06N3/047 ,  G06F18/22

Abstract: 本发明公开了针对不平衡数据的故障诊断方法，包括离线阶段和在线阶段，其中，离线阶段，通过有标注样本对模型进行离线初始化；在线阶段，当新的未标注样本块到达时，使用带权重的伪标签通过增量更新规则对神经网络的输出权重进行实时更新，最终实现对不平衡未标注的齿轮箱数据流的实时故障诊断。本发明的方法具有较低计算复杂度和较快训练速度，确保在线阶段模型更新的快速性和故障诊断的实时性。通过采用伪标签结合少数权重的方法，削弱了不平衡数据流对模型的负面影响，从而保证了在存在严重不平衡的情况下的诊断仍能保持较高的准确率。

公开(公告)号：CN118194289A

公开(公告)日：2024-06-14

申请号：CN202410174158.4

申请日：2024-02-07

Applicant: 清华大学

Inventor： 何潇 ,  刘泽夷

IPC: G06F21/57

Abstract: 本发明提供了一种实时安全性评估模型训练方法、装置及计算机设备，所述方法包括建立实时安全性评估初始模型；基于动态子模块学习策略对所述实时安全性评估初始模型进行更新，得到更新权重向量；基于样本值函数衡量所述初始标记数据集中的标注样本对实时安全评估任务的价值增益；基于所述样本值函数和所述价值增益对所述更新权重向量进行更新，得到实时安全性评估模型；基于所述实时安全性评估模型对目标监测数据进行实时安全评估。本发明提供的方法能够准确的对概念漂移进行探测调整模型，使用基于动态子模算法的注释策略保证数据集的多样性，在非平稳环境中对实时安全性评估任务具有良好的可用性和有效性。

公开(公告)号：CN116776961A

公开(公告)日：2023-09-19

申请号：CN202310586692.1

申请日：2023-05-23

Applicant: 清华大学

Inventor： 何潇 ,  韩鹏宇 ,  刘泽夷

IPC: G06N3/0895 ,  G06N3/0985 ,  G06N3/047 ,  G06F18/2415 ,  G06F18/214 ,  G06F18/21

Abstract: 本发明提供了一种设备故障诊断方法、装置、存储介质及电子设备，涉及故障智能诊断技术领域，所述方法包括：获取当前时刻的设备运行数据作为当前样本集；基于所述当前样本集，对预先训练的故障诊断模型进行在线训练，获得更新后的故障诊断模型；其中，所述故障诊断模型为神经网络模型；针对所述当前样本集中的每一个样本，将该样本输入至所述更新后的故障诊断模型，以使所述更新后的故障诊断模型输出与该样本对应的故障诊断结果。本发明提供的技术方案，能够更加准确地对设备进行实时故障诊断。