控制与决策

作者：毛文涛,施华东,张艳娜,仲志丹

单位：河南师范大学 计算机与信息工程学院,河南 新乡 453007;智慧商务与物联网技术河南省工程实验室,河南 新乡 453007,,河南师范大学 计算机与信息工程学院,河南 新乡 453007,,河南师范大学 计算机与信息工程学院,河南 新乡 453007,,河南科技大学 机电工程学院, 河南 洛阳 471000,

关键词：早期故障检测;深度学习;迁移学习;异常检测;滚动轴承

基金：国家重点研发计划重点专项基金项目(2018YFB1701400)；河南省重大科技专项项目(221100220100)； 河南省科技研发计划联合基金项目(222103810030).

基于张量分解可有效挖掘信号高维本质信息的优点,提出一种无监督张量深度迁移学习方法.首先,构建基于张量表示的深度多任务异常检测模型,利用核心张量构建单分类异常检测规则表示,并建立超球规则适配机制,交替优化张量分解和域无关特征提取,以实现异常检测规则在离线轴承和在线目标轴承间的有效传递,完成在线无标记数据的异常检测;其次,提出一个基于异常概率贯序累积的非参数报警阈值设定方法,可在仅设定误报警率置信度的条件下自适应选择在线阈值,并给出该阈值合理性的理论分析.在IEEE PHM Challenge 2012轴承数据集上进行实验,结果表明,所提出方法可获得更好的检测实时性和更低的误报警数,为早期故障检测提供一种具有易部署性和鲁棒性的解决方案.

来源：2024年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第3期