公开(公告)号：CN117407796A

公开(公告)日：2024-01-16

申请号：CN202311724239.9

申请日：2023-12-15

申请人： 合肥工业大学

发明人： 丁煦 ,  应金涛 ,  徐娟 ,  石雷 ,  吕增威

IPC分类号： G06F18/2415 ,  G06F18/214 ,  G06F18/22 ,  G06N20/00

摘要： 本发明涉及故障诊断技术领域，尤其是一种跨部件小样本故障诊断方法、系统和存储介质。本发明提出了一种带有特征编码模块、因果干预模块和关系度量模块的因果干预关系网络。因果干预模块对数据样本的特征进行多空间降维，可以捕获具有显著分布差异的不同成分之间的因果不变特征，从而提高元学习模型的可解释性和泛化能力。因果干预模块首先对小样本故障诊断的元学习过程建立因果结构模型，寻找样本特征和标签之间的因果关系，即了解输入特征对输出标签的影响方式和机制。这样一来，模型的预测结果不仅仅是基于统计相关性，而是基于因果性。这种因果性的解释能够提供更深入的理解和洞察，使得模型的决策过程更加可解释。

公开(公告)号：CN117407796B

公开(公告)日：2024-03-01

申请号：CN202311724239.9

申请日：2023-12-15

申请人： 合肥工业大学

发明人： 丁煦 ,  应金涛 ,  徐娟 ,  石雷 ,  吕增威

IPC分类号： G06F18/2415 ,  G06F18/214 ,  G06F18/22 ,  G06N20/00

摘要： 本发明涉及故障诊断技术领域，尤其是一种跨部件小样本故障诊断方法、系统和存储介质。本发明提出了一种带有特征编码模块、因果干预模块和关系度量模块的因果干预关系网络。因果干预模块对数据样本的特征进行多空间降维，可以捕获具有显著分布差异的不同成分之间的因果不变特征，从而提高元学习模型的可解释性和泛化能力。因果干预模块首先对小样本故障诊断的元学习过程建立因果结构模型，寻找样本特征和标签之间的因果关系，即了解输入特征对输出标签的影响方式和机制。这样一来，模型的预测结果不仅仅是基于统计相关性，而是基于因果性。这种因果性的解释能够提供更深入的理解和洞察，使得模型的决策过程更加可解释。(56)对比文件曾德贵;赵建明.基于大数据深度迁移模型的机械故障诊断.组合机床与自动化加工技术.2020,(第09期),95-99.胡梦莹 等.少样本学习下的服装风格分析与评价《.毛纺科技》.2021,第49卷(第04期),第13-17页.Yan Zheng 等.Principal characteristicnetworks for few-shot learning《.J. Vis.Commun. Image R》.2019,第563-573页.曾德贵;赵建明.基于大数据深度迁移模型的机械故障诊断.组合机床与自动化加工技术.2020,(第09期),第95-99页.