面向少樣本故障診斷的知識(shí)自監(jiān)督深度表征學(xué)習(xí)方法

摘要： 目前機(jī)器學(xué)習(xí)技術(shù)已被廣泛應(yīng)用于工業(yè)智能故障診斷中,但其成功應(yīng)用的前提條件是能夠獲取到充足的含標(biāo)簽故障數(shù)據(jù)以對(duì)機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練.實(shí)際工業(yè)場景中,設(shè)備常運(yùn)行于正常狀態(tài),故障數(shù)據(jù)的獲取與標(biāo)注成本巨大,無法達(dá)到模型訓(xùn)練的需求.現(xiàn)有少樣本診斷方法通常依賴于額外的有標(biāo)簽數(shù)據(jù),無法克服工業(yè)場景下的數(shù)據(jù)采集與標(biāo)注局限.對(duì)此,挖掘關(guān)鍵時(shí)序依賴特征以及專家先驗(yàn)知識(shí)與故障診斷任務(wù)之間的內(nèi)在關(guān)聯(lián),... （共9頁）