公开(公告)号：CN109949437B

公开(公告)日：2021-06-15

申请号：CN201910189805.8

申请日：2019-03-13

Applicant: 东北大学

Inventor： 刘帅 ,  张颖伟 ,  樊松

IPC: G07C3/12 ,  G07C3/00 ,  G06F17/14 ,  G06F17/16

Abstract: 本发明属于故障监测与诊断技术领域，提出了一种基于稀疏化的异构数据协同工业故障诊断方法，包括：1)采集工业生产过程的图像数据；2)采集同一时刻的三相电流数据，得到工业异构数据集；3)对数据集中的采样数据点进行标记；4)计算图拉普拉斯矩阵L；5)构建标签适应项；6)将图拉普拉斯正则项与标签适应项添加到回归损失函数和稀疏惩罚项中，得到目标函数；7)更新映射矩阵W，计算对角矩阵；8)得到特征选择后的工业异构数据集，进行可视化处理，对其进行故障诊断。本发明使用了具有更好稀疏性和鲁棒性的l2,1矩阵范数作为算法的稀疏惩罚项，使得选取的特征更具判别能力，将提高后续的故障检测与诊断过程的准确度和效率。

公开(公告)号：CN109949437A

公开(公告)日：2019-06-28

申请号：CN201910189805.8

申请日：2019-03-13

Applicant: 东北大学

Inventor： 刘帅 ,  张颖伟 ,  樊松

IPC: G07C3/12 ,  G07C3/00 ,  G06F17/50

Abstract: 本发明属于故障监测与诊断技术领域，提出了一种基于稀疏化的异构数据协同工业故障诊断方法，包括：1)采集工业生产过程的图像数据；2)采集同一时刻的三相电流数据，得到工业异构数据集；3)对数据集中的采样数据点进行标记；4)计算图拉普拉斯矩阵L；5)构建标签适应项；6)将图拉普拉斯正则项与标签适应项添加到回归损失函数和稀疏惩罚项中，得到目标函数；7)更新映射矩阵W，计算对角矩阵；8)得到特征选择后的工业异构数据集，进行可视化处理，对其进行故障诊断。本发明使用了具有更好稀疏性和鲁棒性的l2,1矩阵范数作为算法的稀疏惩罚项，使得选取的特征更具判别能力，将提高后续的故障检测与诊断过程的准确度和效率。