基于元学习的小样本多模态TE过程故障诊断

摘要

为解决多模态TE过程在小样本条件下故障诊断精度低的问题，提出了一种基于深度最近邻神经网络(DN4)与压缩和激励(SE)模块结合的集合型故障诊断方法(SEDN4)。首先，使用小波包变换将多模态过程数据转换成二维图像，划分元学习任务；然后，由嵌入网络进行局部特征提取，获得局部特征描述符；最后，使用k近邻搜索得到预测值。当新模态产生时，基于已有模型设计经验，在小样本条件下可快速得到新模态故障诊断模型。实验结果表明，本文方法在小样本条件下能够较好地实现多模态故障诊断，提高了故障诊断准确率，诊断效果较好。

关键词

多模态TE过程 / 故障诊断 / 小样本学习 / 元学习

基金资助

辽宁省教育厅高等学校基本科研项目(LJKMZ20220618)