[發明專利]基于多粒度正則化重平衡增量學習的故障診斷方法及裝置

在審

• 申請號: 202210174747.3
• 申請日: 2022-02-24
• 公開（公告）號: CN114609994A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 王煜;陳慧彤;胡清華
• 申請（專利權）人: 天津大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

1.一種基于多粒度正則化重平衡增量學習的故障診斷方法，其特征在于，所述方法包括：

對劃分后的數據集進行詞向量表示，獲取語義標簽所對應的詞向量，使用K-means算法進行聚類獲取一個兩層的多粒度結構；構建帶有多粒度信息的連續標簽，并利用KL散度損失進行優化；

通過特征提取層獲取新舊類別的特征表示向量，通過知識蒸餾約束當前模型的決策輸出與增量學習前模型的輸出分布相同，基于多粒度正則化項，對于樣本數目多的類別施加相對低的權重，平衡新故障類別與舊故障類別梯度更新的差距；

采取兩階段訓練策略，使用當前獲取到的數據進行第一階段訓練，更新特征提取層，在第二階段訓練時將分類器與特征提取層解耦，即凍結特征提取層的參數，采用重采樣的平衡訓練子集重新訓練分類器。

2.根據權利要求1所述的一種基于多粒度正則化重平衡增量學習的故障診斷方法，其特征在于，所述構建帶有多粒度信息的連續標簽具體為：

其中，C表示真實標簽的節點，A表示當前類節點，M表示多粒度標簽，N表示葉節點集，β表示該函數的一個超參數，公式d(N_i,N_j)度量了層次結構中兩個細粒度類別之間的距離，LCS表示包含兩個節點的最小公共子樹，Height(B)表示根為節點B的子樹的高度，帶有多粒度信息的連續標簽記為

3.根據權利要求1所述的一種基于多粒度正則化重平衡增量學習的故障診斷方法，其特征在于，所述多粒度正則化項的損失函數的計算方式為：

多粒度正則化的重平衡的損失函數為：

L_M＝(1-λ)L_CB+L_H

總損失函數為：

L＝L_M+αλL_D

其中，α＝10^-x，用于將損失L_D調整到與L_M同一數量級上。

4.根據權利要求1所述的一種基于多粒度正則化重平衡增量學習的故障診斷方法，其特征在于，所述第一階段訓練過程為：將新類別樣本D_new與舊類范例集D′_old混合，記作D_t作為模型的輸入，經過特征提取層、分類器得到網絡的輸出，優化目標為最小化蒸餾損失和多粒度正則化的重平衡模塊損失的加權和。

5.根據權利要求1所述的一種基于多粒度正則化重平衡增量學習的故障診斷方法，其特征在于，所述第二階段訓練過程為：將數據采樣成類別平衡的訓練子集，凍結特征提取層的參數，單獨重新訓練分類器；優化目標為最小化蒸餾損失和多粒度正則化的重平衡模塊損失的加權和。

6.一種基于多粒度正則化重平衡增量學習的故障診斷裝置，其特征在于，所述裝置包括：處理器和存儲器，所述存儲器中存儲有程序指令，所述處理器調用存儲器中存儲的程序指令以使裝置執行權利要求1-5中的任一項所述的方法步驟。

7.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令被處理器執行時使所述處理器執行權利要求1-5中的任一項所述的方法步驟。