摘要
プランジャー式注水ポンプの故障診断におけるデータの著しい不均衡と特徴抽出の困難という問題に対して、本論文では計量学習とサンプリング適応機構を融合した故障診断アルゴリズムを提案する。まず、ラプラス小波畳み込みとマルチスケール注意機構に基づく特徴抽出器を構築し、重要な故障特徴を捉え、特徴の重みを適応的に割り当てる。次に、二重中心損失により駆動される計量学習モジュールを導入し、高次元埋め込み空間においてクラス間およびクラス内距離の制約を同時に課すことで、同類故障サンプルのクラスタリングを促進し、故障識別能力を向上させる。最後に、クラス均衡バッチサンプリング機構を採用してモデルを適応的に強化し、データ不均衡による性能制限を克服し、全体の診断精度をさらに向上させる。実際の不均衡注水ポンプデータセットでの検証結果は、本手法が97.11%の診断精度を達成したことを示している。
关键词
不均衡故障診断;ラプラス小波変換;計量学習;二重中心損失