標(biāo)簽噪聲下結(jié)合對比學(xué)習(xí)與鄰域樣本分析的故障診斷方法

打開文本圖片集

摘 要：當(dāng)前基于深度學(xué)習(xí)的故障診斷方法依賴于標(biāo)注完備的訓(xùn)練樣本，當(dāng)數(shù)據(jù)集中存在噪聲標(biāo)簽時，模型會對噪聲數(shù)據(jù)過擬合，影響泛化能力。為實(shí)現(xiàn)模型在采用標(biāo)簽噪聲進(jìn)行訓(xùn)練的情況下對設(shè)備運(yùn)行工況的精確識別，提出一種結(jié)合對比學(xué)習(xí)與鄰域樣本分析的故障診斷方法。首先采用對比學(xué)習(xí)方法對模型進(jìn)行預(yù)訓(xùn)練，拉近模型特征空間中的相似樣本映射距離，實(shí)現(xiàn)判別能力增強(qiáng);隨后，基于特征相似度尋找每個樣本最相似的近鄰用以計算訓(xùn)練標(biāo)簽可靠性并據(jù)此執(zhí)行樣本劃分以及標(biāo)簽糾正，構(gòu)建更為可靠的訓(xùn)練子集;最后在訓(xùn)練過程中引入標(biāo)簽重加權(quán)以及一致性正則化操作增強(qiáng)模型魯棒性。（剩余24808字）