申请/专利权人:电子科技大学
申请日:2024-02-20
公开(公告)日:2024-05-17
公开(公告)号:CN118051804A
主分类号:G06F18/24
分类号:G06F18/24;G06F18/214;G06F17/16;G06F17/18;G06N3/0464;G06N3/088;G06N5/01
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.04#实质审查的生效;2024.05.17#公开
摘要:本发明公开了一种基于软稀疏投影孤立林的机器故障诊断方法,主要解决现有机器故障诊断方法中的非目标任务的数据标记时间太长,需要收集大型目标任务数据集,模型精度不高和诊断时间过长的问题。该方法包括一种数据标记算法,通过无监督的软稀疏投影孤立林算法对非目标任务的样本进行分类,对非目标任务的数据分配伪标记;利用非目标任务的伪数据集对深度学习模型进行训练,利用目标任务的少量标记数据集对模型参数进行微调,得到较好的深度模型。这种方法减少了数据分类的计算时间,克服了收集大型目标任务数据集的问题,并减少了深度模型的训练和诊断时间,提高了深度模型的精度。
主权项:1.一种基于软稀疏投影孤立林的机器故障诊断方法,其特征在于,S1,从许多非目标任务的未标记数据中选择基准数据,构建的无监督孤立林对基准数据进行清理,获得清理后的数据;S2,使用软稀疏随机投影处理数据,生成软稀疏投影孤立林;S3,选择比较数据并形成一个比较样本集;S4,将基准数据与每个比较样本相结合,形成重组数据;S5,使用无监督的软稀疏投影孤立林对重组后的数据中的样本进行评分,并根据评分结果对不同的数据进行标记;S6,利用标记的非目标任务数据对深度模型进行训练,获得成熟的深度模型;S7,使用目标任务的少量标记数据对成熟的深度模型进行微调。
全文数据:
权利要求:
百度查询: 电子科技大学 基于软稀疏投影孤立林的机器故障诊断方法
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。