基于元學(xué)習(xí)聚合分類器的流程工業(yè)故障診斷

摘要： 針對(duì)基于多元統(tǒng)計(jì)分析和深度學(xué)習(xí)的故障診斷方法需要大量的訓(xùn)練樣本，但當(dāng)前流程工業(yè)具有故障樣本不足等特點(diǎn)，文章提出了一種模型無關(guān)的聚合分類器元學(xué)習(xí)框架（MAACML）。首先，該框架將模型無關(guān)的元學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合并引入一種聚合分類器來提高模型的分類準(zhǔn)確率和泛化能力；然后，對(duì)田納西伊士曼仿真數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn)驗(yàn)證模型的性能；最終，為了驗(yàn)證模型在實(shí)際數(shù)據(jù)集上的效果，在實(shí)際壓縮機(jī)組...