[發明專利]面向自適應調度與無人生產線協同的智能診斷方法和系統

在審

• 申請號: 202110483444.5
• 申請日: 2021-04-30
• 公開（公告）號: CN113341890A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 付超;吳子健;薛旻;盛松;侯冰冰;丁曉藝
• 申請（專利權）人: 合肥工業大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 北京久誠知識產權代理事務所(特殊普通合伙) 11542
• 代理人: 余罡

1.一種面向自適應調度與無人生產線協同的智能診斷方法，其特征在于，包括：

S1、預處理相似工件故障診斷數據，所述相似工件故障診斷數據包括第一工件故障診斷數據和數據總量小于第一工件故障診斷數據的第二工件故障診斷數據，獲取第一、第二工件對應的標準化故障診斷數據；

S2、根據第二工件對應的標準化故障診斷數據，篩選所述第一工件故障診斷數據，獲取第一工件篩選后的故障診斷數據；

S3、根據所述第一工件篩選后的故障診斷數據，采用深度學習方法構建診斷模型；

S4、過采樣所述第二工件對應的標準化故障診斷數據，獲取第二工件的合成故障診斷數據；

S5、根據所述診斷模型和合成故障診斷數據，采用參數遷移的方法，獲取第二工件的故障診斷結果。

2.如權利要求1所述的智能診斷方法，其特征在于，所述步驟S2具體包括：

S21、根據所述第一、第二工件對應的標準化故障診斷數據及各自對應的診斷數據密度，獲取第一工件故障診斷數據的權重；

S22、根據所述權重和預設的篩選比例，篩選所述第一工件故障診斷數據，獲取第一工件篩選后的故障診斷數據。

3.如權利要求2所述的智能診斷方法，其特征在于，所述步驟S22中根據所述權重和預設的篩選比例，對所述第一工件故障診斷數據中各類別數據分別進行篩選，獲取所述各類別數據對應的標準化故障診斷子數據，合并各所述標準化故障診斷子數據，獲取所述第一工件篩選后的故障診斷數據。

4.如權利要求1所述的智能診斷方法，其特征在于，所述步驟S2中采用KLIEP算法篩選所述第一工件故障診斷數據；和/或

所述步驟S3中采用DNN算法構建診斷模型；和/或

所述步驟S4中采用SMOTE算法過采樣所述第二工件對應的標準化故障診斷數據。

5.如權利要求4所述的智能診斷方法，其特征在于，所述步驟S4具體包括：

S41、根據所述第二工件對應的標準化故障診斷數據中任一故障類別數據，采用歐氏距離計算公式，獲取該故障類別數據的z個最近鄰的數據樣本；

S42、根據當前故障類別的樣本數量，以及所述標準化故障診斷數據中最大樣本數量故障類別的樣本數量，確定采樣倍率；

S43、根據采樣倍率和當前故障類別數據，采用隨機插值的方法，獲取該故障類別對應的合成故障診斷子數據；所述合成故障診斷子數據樣本數量與所述最大樣本數量故障類別的樣本數量相同；

S44、合成各故障類別對應的合成故障診斷子數據，獲取第二工件的合成故障診斷數據。

6.如權利要求4所述的智能診斷方法，其特征在于，所述參數遷移的方法具體包括：

不凍結所述診斷模型任何參數；或

凍結所述診斷模型第一隱含層參數；或

凍結所述診斷模型第一、第二隱含層參數。

7.如權利要求5所述的智能診斷方法，其特征在于，所述步驟S44中采用隨機插值的方法是指：

p_i＝x+rand(0,1)*(v_j-x),j＝1,2,...,r

其中，p_i表示該故障類別對應的合成故障診斷子數據；rand(0,1)表示區間(0,1)中某個隨機數，v_j表示所述故障類別數據x的r個最近鄰樣本中的第j個，r表示采樣倍率，即從其z個近鄰中隨機選取r個樣本。