工業設備的結構日益復雜,對設備安全性和可靠性的要求也越來越高,對設備的故障進行實時監測和分析就顯得十分必要。現在許多企業依然使用紙質點檢、人工分析的工作方式,對檢修人員的專業知識也有很高的要求,更重要的是,這個過程很可能存在著由于人工疏忽而產生的誤差,造成對設備故障的漏判、誤判。因此工業故障智能診斷技術的研究具有十分重要的意義。本文針對故障診斷問題中存在的有標記訓練樣本數量不足的問題,以遷移學習方法為基礎,提出了兩種故障診斷方法。針對源域和目標域同構的情況,將對抗思想和遷移學習相結合,提出了雙重對抗遷移學習方法(Adversarial-Adversarial Transfer Learning,AATL)。利用編碼器對源域和目標域數據進行特征提取,然后用一個域分類器評價源域和目標域分布差異,找到二者之間潛在的分布差異,通過對抗地訓練編碼器和域分類器,使源域和目標域在特征空間內分布相近。為進一步減小源域目標域分布差異帶來的損失,在目標函數中加入了最大均值差異。在網絡中加入一個與主網絡目標相反的輔助網絡,通過拉開主網絡和輔助網絡之間的距離,提高了主網絡的學習能力,避免了對抗過程中“模式崩潰問題”的發生。針對源域和目標域異構的情況,提出了基于棧式稀疏自編碼的異構遷移學習算法(Domain adaptive based on Sparse Auto-Encoders,DSAEs)。利用兩個不同的棧式自編碼器分別對源域和目標域數據提取相同維度的特征,提出域間中心距離的概念來評價源、目標域特征分布差異,將其加入到編碼器的目標函數中,交替地更新兩個編碼器的參數,最終使源域和目標域在特征空間內分布相同,最后利用源域特征訓練出分類器,并將其應用到目標問題的診斷中。對提出的雙重對抗遷移學習方法,先后在凱斯西儲大學軸承故障診斷標準數據集和某鋼廠采集的軋機顫振歷史數據集上進行了實驗。實驗結果顯示,AATL的診斷精度較其他遷移學習算法有明顯的提高,而對比于經典的機器學習算法,優勢更加明顯。通過對比實驗,證明了輔助網絡的加入提高了模型的收斂速度。對提出的基于棧式稀疏自編碼的異構遷移學習算法,在手寫數據集、西儲大學軸承故障診斷標準數據集以及軋機顫振歷史數據集上進行了實驗,實驗結果表明,不同源域數據輔助訓練的分類器對目標任務有不同的性能。在目標域內標記數據不足的情況下,該方法的性能優于傳統的機器學習方法。
【學位授予單位】：大連理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP181;TB114.3

【相似文獻】

 

相關期刊論文 前10條

1 韓麒麟;荊竹;;飛機故障診斷中飛參的數據支持作用研究[J];電子制作;2019年12期

2 王彥梅;李佳民;;農用汽車發動機狀態監測系統與診斷方法研究[J];農機化研究;2018年02期

3 王淵明;徐策;侯繼超;張禹生;;煙草機械中故障診斷技術的應用[J];南方農機;2018年04期

4 周雪軍;;故障診斷技術在煙草機械中的應用和發展趨勢[J];科技風;2018年22期

5 陳亞明;顏云;;故障診斷方法現狀及發展方向研究[J];電工技術;2018年18期

6 單建虎;;石化轉動設備狀態監測與故障診斷平臺及應用[J];石化技術;2017年10期

7 石志軍;陳信在;高金寶;;艦船電子裝備電路板的故障診斷策略研究[J];科技與企業;2016年01期

8 謝敏;樓鑫;羅芊;;航天器故障診斷技術綜述及發展趨勢[J];軟件;2016年07期

9 付麗莉;;汽輪機故障診斷技術的發展分析和研究[J];科技創新與應用;2015年08期

10 謝春萍;梁家榮;;星型網絡的幾種故障診斷度研究[J];廣西大學學報(自然科學版);2015年03期

相關博士學位論文 前10條

1 張玉彥;基于深度自編碼器的機械故障診斷方法研究[D];華中科技大學;2019年

2 茆志偉;活塞式發動機典型故障診斷及非穩定工況監測評估方法研究[D];北京化工大學;2018年

3 劉頡;基于振動信號分析的旋轉機械故障診斷方法研究[D];華中科技大學;2018年

4 杭芹;用于聚變電源的故障診斷算法研究[D];中國科學技術大學;2019年

5 黃杰;基于智能學習的電噴汽車故障診斷與監測評估系統的研究[D];中國農業大學;2018年

6 王奉濤;非平穩信號故障特征提取與智能診斷方法的研究及應用[D];大連理工大學;2003年

7 錢華明;故障診斷與容錯技術及其在組合導航系統中的應用研究[D];哈爾濱工程大學;2004年

8 蔣麗英;基于FDA/DPLS方法的流程工業故障診斷研究[D];浙江大學;2005年

9 韓彥嶺;面向復雜設備的遠程智能診斷技術及其應用研究[D];上海大學;2005年

10 張君;小波分析技術在汽輪機故障診斷中的應用研究[D];華北電力大學（河北）;2005年

相關碩士學位論文 前10條

1 黃書翰;基于Fisher判別及ICS-RBF的TE過程故障識別及診斷[D];湘潭大學;2019年

2 劉湘婉;基于智能算法的機載蒸發循環制冷系統故障診斷[D];南京航空航天大學;2019年

3 李帥飛;基于數據驅動的輪轂驅動汽車失扭故障診斷方法研究[D];哈爾濱工業大學;2019年

4 宋凱歌;產品交互式電子手冊的設計與實現[D];哈爾濱工業大學;2018年

5 于恩寧;激光捷聯慣性測量組合故障診斷技術研究[D];哈爾濱工業大學;2018年

6 褚良宇;汽車發動機冷卻系統故障診斷方法研究[D];重慶郵電大學;2019年

7 楊晶;基于數據的風電機組整機故障診斷研究[D];上海交通大學;2018年

8 龔杰;基于數據挖掘的配電變壓器故障診斷[D];廣東工業大學;2019年

9 王春峰;基于遷移學習的工業過程故障診斷方法研究與實現[D];大連理工大學;2019年

10 付莎莎;基于人工智能的空間環境下航天器故障診斷[D];西安電子科技大學;2019年

本文編號：2612401