公开(公告)号：CN115144211A

公开(公告)日：2022-10-04

申请号：CN202210638838.8

申请日：2022-06-07

Applicant: 清华大学

Inventor： 张林宣 ,  蒋正宜 ,  刘重党 ,  郑敬浩 ,  张健翔

IPC: G01M99/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种基于离散小波变换和门控循环单元的故障检测方法及装置，其中，方法包括：获取待检测目标的高频状态监测信号；将高频状态监测信号输入预先训练的故障检测模型，离散小波变换作为深度学习网络的嵌入层，将高频状态监测信号映射到低维小波域，得到高频故障分量，并对高频故障分量进行特征压缩，得到故障特征分量；再将其作为浅层特征训练一个带注意力机制的门控循环单元网络，最后经过全连接层得到待检测目标的故障结果，从而不仅提升了故障检测的准确率，还使得模型的故障检测结果具备一定的可解释性。由此，解决了相关技术中高频信号特征设计主观性较大以及泛化性较差等问题。

公开(公告)号：CN116340786A

公开(公告)日：2023-06-27

申请号：CN202310147918.8

申请日：2023-02-21

Applicant: 清华大学

Inventor： 张林宣 ,  张健翔 ,  蒋正宜 ,  刘重党 ,  郑敬浩

IPC: G06F18/22 ,  G06F18/214

Abstract: 本发明提供了一种跨工况故障诊断方法、装置、设备及存储介质。涉及机械设备技术领域，用于解决在源域数据无法获取时，跨工况故障诊断方法的诊断准确率低的技术问题。跨工况故障诊断方法包括获取源域故障诊断模型Ms和目标域无标签数据Dt；将所述源域故障诊断模型Ms设定为初始目标域故障诊断模型Mt0；通过所述目标域无标签数据Dt和所述初始目标域故障诊断模型Mt0确定亲和力A加权的损失函数其中亲和力A表示目标域中相邻特征之间的相似度；通过所述损失函数优化所述初始目标域故障诊断模型Mt0，直至所述损失函数收敛，得到最终目标域故障诊断模型Mt1。

公开(公告)号：CN113269266B

公开(公告)日：2023-09-19

申请号：CN202110637674.2

申请日：2021-06-08

Applicant: 清华大学

Inventor： 张林鍹 ,  郑敬浩 ,  刘重党 ,  蒋正宜 ,  张健翔

IPC: G06F18/2433 ,  G06F18/214 ,  G06N3/042 ,  G06N3/096

Abstract: 本申请提出了一种多故障模式下基于知识蒸馏的晶圆制造过程故障检测方法，涉及晶圆制造过程故障检测技术领域，其中，该方法包括：获取历史故障数据，并根据历史故障数据中故障的出现频次，确定常见故障类型和罕见故障类型；基于常见故障类型的监测数据，使用域自适应神经网络减小不同机台间的数据分布差异，以构建常见故障检测模型；构建罕见故障检测模型，获取常见故障检测模型在罕见故障数据训练集上的输出软标签，使用知识蒸馏方式，借助输出的软标签和数据真实标签优化罕见故障检测模型。本发明实现通过知识蒸馏方法，跨故障模式进行知识提取与传递，提升模型在罕见故障下的综合性能，实现对故障的及时检测，从而提高产品良率与生产线效率。

公开(公告)号：CN113269266A

公开(公告)日：2021-08-17

申请号：CN202110637674.2

申请日：2021-06-08

Applicant: 清华大学

Inventor： 张林鍹 ,  郑敬浩 ,  刘重党 ,  蒋正宜 ,  张健翔

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提出了一种多故障模式下基于知识蒸馏的晶圆制造过程故障检测方法，涉及晶圆制造过程故障检测技术领域，其中，该方法包括：获取历史故障数据，并根据历史故障数据中故障的出现频次，确定常见故障类型和罕见故障类型；基于常见故障类型的监测数据，使用域自适应神经网络减小不同机台间的数据分布差异，以构建常见故障检测模型；构建罕见故障检测模型，获取常见故障检测模型在罕见故障数据训练集上的输出软标签，使用知识蒸馏方式，借助输出的软标签和数据真实标签优化罕见故障检测模型。本发明实现通过知识蒸馏方法，跨故障模式进行知识提取与传递，提升模型在罕见故障下的综合性能，实现对故障的及时检测，从而提高产品良率与生产线效率。