← 返回列表
基于小样本的故障诊断模型的训练方法及装置
摘要文本
本申请公开了一种基于小样本的故障诊断模型的训练方法及装置，基于小样本的故障诊断模型的训练方法包括：根据获取的故障数据样本构建数据集，其中，故障数据样本包括故障数据以及故障数据对应的故障类别；构建保证类间距离与类内距离的差值大于预设边界值的类间判别损失函数；构建计算任意一个故障数据样本到故障数据样本对应的故障类别的类别中心在特征空间的平均距离的类内聚集损失函数；根据所有故障类别的类间判别损失函数与类内聚集损失函数构建优化损失函数；根据数据集，利用优化损失函数对元学习模型进行梯度下降优化，得到基于小样本的故障诊断模型。由此，提高了故障诊断的准确性。 更多数据：
申请人信息
- 申请人:中国石油大学(北京)
- 申请人地址:102249 北京市昌平区府学路18号
- 发明人: 中国石油大学(北京)
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于小样本的故障诊断模型的训练方法及装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311519406.6 |
| 申请日 | 2023/11/14 |
| 公告号 | CN117763436A |
| 公开日 | 2024/3/26 |
| IPC主分类号 | G06F18/2413 |
| 权利人 | 中国石油大学(北京) |
| 发明人 | 李康; 高小永; 张来斌; 叶昊 |
| 地址 | 北京市昌平区府学路18号 |
专利主权项内容
1.一种基于小样本的故障诊断模型的训练方法，其特征在于，包括：根据获取的故障数据样本构建数据集，其中，所述故障数据样本包括故障数据以及所述故障数据对应的故障类别；构建保证类间距离与类内距离的差值大于预设边界值的类间判别损失函数，其中，所述类间距离表示任意两个所述故障数据样本分别对应的故障类别的类别中心在特征空间的距离，所述类内距离表示任意一个所述故障数据样本与所述故障数据样本对应的故障类别的类别中心在特征空间的距离；构建计算任意一个所述故障数据样本到所述故障数据样本对应的故障类别的类别中心在特征空间的平均距离的类内聚集损失函数；根据所有故障类别的所述类间判别损失函数与所述类内聚集损失函数构建优化损失函数；根据所述数据集，利用所述优化损失函数对元学习模型进行梯度下降优化，得到所述基于小样本的故障诊断模型。