控制理论与应用

作者：商柔,董宏丽,王闯,周国强,管闯,闫天红

单位：东北石油大学三亚海洋油气研究院,东北石油大学人工智能能源研究院,东北石油大学人工智能能源研究院,东北石油大学三亚海洋油气研究院,东北石油大学人工智能能源研究院,东北石油大学三亚海洋油气研究院

关键词：管道故障诊断;类别不平衡;时间序列;数据增强;马尔可夫链;多任务学习

基金：国家自然科学基金项目(U21A2019,61873058,61933007), 海南省科技专项项目(ZDYF2022SHFZ105)资助.

针对工业故障诊断中的小样本和类不平衡问题,本文提出一种基于马尔可夫链的多模态时序对比生成模型(TCGN). 首先,为了提升合成数据时间结构的真实性,设计了一种时序趋势一致化损失(TTC),以提升真实数据与合成数据之间时间演化规律的相似度.随后,为了在增强数据集中形成有效且正确的决策边界,提出了一种类意识对比损失(CAC),以对齐真实数据与合成数据的类条件分布.此外,为了更好地维持不同学习任务之间的动态平衡,引入了一种基于马尔可夫链的多模态切换策略,以实现TCGN算法在生成、刻画、探索、收敛4个模态之间的自适应切换优化.最后,将所提出的TCGN算法应用于管道故障诊断.实验结果表明TCGN算法在视觉评估和量化指标方面均优于一些先进的生成算法,显著提高了故障诊断准确率.

来源：2025年第4期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2025年第4期