[发明专利]面向自适应调度与无人生产线协同的智能诊断方法和系统

权利要求书

1.一种面向自适应调度与无人生产线协同的智能诊断方法，其特征在于，包括：

S1、预处理相似工件故障诊断数据，所述相似工件故障诊断数据包括第一工件故障诊断数据和数据总量小于第一工件故障诊断数据的第二工件故障诊断数据，获取第一、第二工件对应的标准化故障诊断数据；

S2、根据第二工件对应的标准化故障诊断数据，筛选所述第一工件故障诊断数据，获取第一工件筛选后的故障诊断数据；

S3、根据所述第一工件筛选后的故障诊断数据，采用深度学习方法构建诊断模型；

S4、过采样所述第二工件对应的标准化故障诊断数据，获取第二工件的合成故障诊断数据；

S5、根据所述诊断模型和合成故障诊断数据，采用参数迁移的方法，获取第二工件的故障诊断结果。

2.如权利要求1所述的智能诊断方法，其特征在于，所述步骤S2具体包括：

S21、根据所述第一、第二工件对应的标准化故障诊断数据及各自对应的诊断数据密度，获取第一工件故障诊断数据的权重；

S22、根据所述权重和预设的筛选比例，筛选所述第一工件故障诊断数据，获取第一工件筛选后的故障诊断数据。

3.如权利要求2所述的智能诊断方法，其特征在于，所述步骤S22中根据所述权重和预设的筛选比例，对所述第一工件故障诊断数据中各类别数据分别进行筛选，获取所述各类别数据对应的标准化故障诊断子数据，合并各所述标准化故障诊断子数据，获取所述第一工件筛选后的故障诊断数据。

4.如权利要求1所述的智能诊断方法，其特征在于，所述步骤S2中采用KLIEP算法筛选所述第一工件故障诊断数据；和/或

所述步骤S3中采用DNN算法构建诊断模型；和/或

所述步骤S4中采用SMOTE算法过采样所述第二工件对应的标准化故障诊断数据。

5.如权利要求4所述的智能诊断方法，其特征在于，所述步骤S4具体包括：

S41、根据所述第二工件对应的标准化故障诊断数据中任一故障类别数据，采用欧氏距离计算公式，获取该故障类别数据的z个最近邻的数据样本；

S42、根据当前故障类别的样本数量，以及所述标准化故障诊断数据中最大样本数量故障类别的样本数量，确定采样倍率；

S43、根据采样倍率和当前故障类别数据，采用随机插值的方法，获取该故障类别对应的合成故障诊断子数据；所述合成故障诊断子数据样本数量与所述最大样本数量故障类别的样本数量相同；

S44、合成各故障类别对应的合成故障诊断子数据，获取第二工件的合成故障诊断数据。

6.如权利要求4所述的智能诊断方法，其特征在于，所述参数迁移的方法具体包括：

不冻结所述诊断模型任何参数；或

冻结所述诊断模型第一隐含层参数；或

冻结所述诊断模型第一、第二隐含层参数。

7.如权利要求5所述的智能诊断方法，其特征在于，所述步骤S44中采用随机插值的方法是指：

p_i＝x+rand(0,1)*(v_j-x),j＝1,2,...,r

其中，p_i表示该故障类别对应的合成故障诊断子数据；rand(0,1)表示区间(0,1)中某个随机数，v_j表示所述故障类别数据x的r个最近邻样本中的第j个，r表示采样倍率，即从其z个近邻中随机选取r个样本。