[發明專利]用于優化模型的方法、設備和存儲介質

在審

• 申請號: 202010500899.9
• 申請日: 2020-06-04
• 公開（公告）號: CN113761979A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 劉威;孫俊
• 申請（專利權）人: 富士通株式會社
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01M13/021;G01M13/028
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 康建峰;陳煒

公開了一種用于優化模型的方法和設備以及計算機可讀存儲介質。該方法包括：將標記為正?；虍惓５臄祿臅r域版本輸入基于卷積神經網絡的異常檢測模型并且將所述數據的頻域版本輸入物理模型；如果所述異常檢測模型的輸出與所述數據的標記相同而所述物理模型的輸出與所述數據的標記不同，則調整所述物理模型的閾值；和如果所述異常檢測模型的輸出與所述數據的標記不同而所述物理模型的輸出與所述數據的標記相同，則訓練所述異常檢測模型，其中，訓練所述異常檢測模型包括：調整所述物理模型的閾值，從使用調整后的閾值的所述物理模型得到其標記相對于閾值調整前反轉的數據以及利用該標記反轉的數據、以其反轉前的標記來訓練所述異常檢測模型。

技術領域

本公開內容涉及異常檢測的領域，并且具體地涉及優化用于檢測齒輪箱的異?；蚬收系臋z測模型。

背景技術

齒輪箱的自動故障檢測對于降低制造企業的生產成本和提高產品質量而言具有十分重要的意義。目前，齒輪箱制造企業普遍采用人工方式來檢測產品是否存在瑕疵。檢測的成功率嚴重依賴于工人的經驗和狀態，無法確保檢驗的品質。

還已知一種基于震動信號分析的方法。然而，該方法需要質檢員人工檢查頻譜是否有異常的頻率響應，并且該方法需要采集30-60分鐘的數據，效率低下，并且只能進行抽檢，無法對每臺齒輪箱進行檢查。

發明內容

在下文中給出了關于本公開內容的簡要概述，以便提供關于本公開內容的某些方面的基本理解。應當理解，這個概述并不是關于本公開內容的窮舉性概述。它并不是意圖確定本公開內容的關鍵或重要部分，也不是意圖限定本公開內容的范圍。其目的僅僅是以簡化的形式給出某些概念，以此作為稍后論述的更詳細描述的前序。

根據本發明的一個方面，提供了一種用于優化模型的方法，包括：將標記為正?；虍惓５臄祿臅r域版本輸入基于卷積神經網絡的異常檢測模型并且將所述數據的頻域版本輸入物理模型；如果所述異常檢測模型的輸出與所述數據的標記相同而所述物理模型的輸出與所述數據的標記不同，則調整所述物理模型的閾值；和如果所述異常檢測模型的輸出與所述數據的標記不同而所述物理模型的輸出與所述數據的標記相同，則訓練所述異常檢測模型，其中，訓練所述異常檢測模型包括：調整所述物理模型的閾值，從使用調整后的閾值的所述物理模型得到其標記相對于閾值調整前反轉的數據以及利用該標記反轉的數據、以其反轉前的標記來訓練所述異常檢測模型。

根據本發明的另一個方面，提供了一種用于優化模型的設備，包括：數據輸入裝置，其被配置成將標記為正?；虍惓５臄祿臅r域版本輸入基于卷積神經網絡的異常檢測模型并且將所述數據的頻域版本輸入物理模型；閾值調整裝置，其被配置成如果所述異常檢測模型的輸出與所述數據的標記相同而所述物理模型的輸出與所述數據的標記不同，則調整所述物理模型的閾值；和模型訓練裝置，其被配置成如果所述異常檢測模型的輸出與所述數據的標記不同而所述物理模型的輸出與所述數據的標記相同，則訓練所述異常檢測模型，其中，訓練所述異常檢測模型包括：調整所述物理模型的閾值，從使用調整后的閾值的所述物理模型得到其標記相對于閾值調整前反轉的數據以及利用該標記反轉的數據、以其反轉前的標記來訓練所述異常檢測模型。

根據本發明的其它方面，還提供了相應的計算機程序代碼、計算機可讀存儲介質和計算機程序產品。

通過本發明的用于優化模型的方法和設備，使得能夠提高檢測速度和檢測穩定性和可靠性，并且能夠在提高效率的同時減少人力成本的同時提高設備的成品率。

通過以下結合附圖對本發明的優選實施方式的詳細說明，本發明的這些以及其他優點將更加明顯。

附圖說明

為了進一步闡述本公開內容的以上和其它優點和特征，下面結合附圖對本公開內容的具體實施方式作進一步詳細的說明。所述附圖連同下面的詳細說明一起包含在本說明書中并且形成本說明書的一部分。具有相同的功能和結構的元件用相同的參考標號表示。應當理解，這些附圖僅描述本公開內容的典型示例，而不應看作是對本公開內容的范圍的限定。在附圖中：