申请/专利权人：中国地质大学(武汉)

申请日：2021-08-30

公开（公告）日：2023-08-04

公开（公告）号：CN113722140B

主分类号：G06F11/07

分类号：G06F11/07;G06F18/214;G06F18/2415;G06N3/0442;G06N3/047;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.08.04#授权;2021.12.17#实质审查的生效;2021.11.30#公开

摘要：本发明提供了一种基于小样本学习的工业报警泛滥根源诊断方法及存储介质，该方法包括离线训练过程和在线诊断过程，其中离线训练过程包括：对历史报警事件日志进行预处理，提取由显著故障引起的报警泛滥序列，进行文本编码，基于原型网络的小样本学习方法获得根源诊断模型以及每种根源的类表示，在线诊断过程包括：对待诊断的报警泛滥序列进行文本编码后，输入根源诊断模型，获取待诊断报警泛滥序列的空间表示向量，同时与每种根源问题的类表示进行相似性分析，输出故障类型。本发明通过考虑报警事件数据与故障根源的直接相关性，利用少量报警泛滥事件序列构建高精度的工业报警泛滥根源诊断模型，提高了工业报警泛滥根源诊断的实用性和有效性。

主权项：1.一种基于小样本学习的工业报警泛滥根源诊断方法，其特征在于，包括以下步骤：获取历史报警事件日志；对所述历史报警事件日志进行预处理；提取由显著故障引起的工业报警泛滥序列；搭建基于词嵌入的报警事件数据结构化编码模型，将所述历史报警事件日志输入所述基于词嵌入的报警事件数据结构化编码模型，不断更新模型参数，获取最佳结构化编码模型；通过所述最佳结构化编码模型，对所述由显著故障引起的工业报警泛滥序列进行数据编码，得到结构化编码的工业报警泛滥序列；通过长短期记忆网络提取所述结构化编码的报警泛滥序列中各序列的时间序列特征，结合基于原型网络的小样本学习，获取各报警泛滥序列的空间表达向量，从而搭建工业报警泛滥根源诊断模型；将待诊断的工业报警事件日志进行预处理及结构化编码后，输入所述工业报警泛滥根源诊断模型，并输出最终根源诊断类型。

全文数据：

权利要求：

百度查询： 中国地质大学(武汉) 基于小样本学习的工业报警泛滥根源诊断方法及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD