用于判断发动机故障类型的模型的训练、识别方法及装置

本公开涉及人工智能领域，尤其涉及一种用于判断发动机故障类型的模型的训练、识别方法及装置。

背景技术：

1、柴油机工作工况、工作环境和操作条件复杂多变，这对柴油机的故障诊断任务提出了更高的要求。随着人工智能的发展，各种基于神经网络的柴油机故障诊断模型被提出，但局限于单一转速或者负荷条件，使得跨工况诊断的准确率低。

技术实现思路

1、鉴于上述问题，本公开提供了一种用于判断发动机故障类型的模型的训练、识别方法及装置。

2、根据本公开的第一个方面，提供了一种用于判断发动机故障类型的模型的训练方法，包括：根据初始损失函数处理预训练样本运行数据，以便于训练预训练特征提取器，得到训练后的初始特征提取器，预训练样本运行数据为发动机在第一工况状态下产生的故障信号信息。将样本运行数据输入至初始特征提取器，得到与样本运行数据对应的第一特征信息，样本运行数据为发动机在第二工况状态下产生的故障信号信息。根据对比损失函数处理第一特征信息，以便于训练特征提取器，得到训练后的中间特征提取器。根据中间特征提取器和第一分类器，建立初始模型。根据初始损失函数和对比损失函数处理样本运行数据，以便于训练初始模型，得到目标模型。

3、根据本公开的实施例，根据初始损失函数处理预训练样本运行数据，以便于训练预训练特征提取器，得到训练后的初始特征提取器包括：根据初始损失函数处理预训练样本运行数据，得到目标损失值。基于目标损失值训练预训练特征提取器，得到与预训练特征提取器对应的更新参数。以及在满足预定条件的情况下，根据更新参数，得到训练后的初始特征提取器。

4、根据本公开的实施例，所述更新参数包括至少所少一个参数，在满足预定条件的情况下，根据更新参数，得到训练后的初始特征提取器包括：在满足预定条件的情况下，从更新参数中确定目标参数。将目标参数进行冻结，得到初始特征提取器。

5、根据本公开的实施例，根据初始损失函数和对比损失函数处理样本运行数据，以便于训练初始模型，得到目标模型包括：根据对比损失函数处理样本运行数据，以便于训练中间特征提取器，得到训练后的目标特征提取器。将样本运行数据输入至目标特征提取器，得到与样本运行数据对应的第二特征信息。根据初始损失函数和对比损失函数处理第二特征信息，以便于训练第一分类器，得到目标模型。

6、根据本公开的实施例，将样本运行数据输入至初始特征提取器，得到与样本运行数据对应的第一特征信息，还包括：根据初始损失函数处理第一特征信息，以便于训练第二分类器，得到训练后的第二分类器。根据本公开的实施例，初始损失函数包括交叉熵损失函数。

7、根据本公开的实施例，样本运行数据包括至少一个样本运行子数据，输出结果包括至少一个与样本子数据对应的输出子结果，对比损失函数是根据样本量、温度函数、输出子结果确定的，采用如下公式计算得到对比损失函数：

8、

9、n是样本量，样本量为样本运行数据的数据量，样本运行数据包括n个样本运行子数据，τ为温度函数。zi为与第i个样本运行子数据对应的第i输出子结果。zj为与第j个样本运行子数据对应的第j输出子结果。zi·zj表示与zi、zj分别对应的向量按位点乘。l为指示函数，yi是第i个样本运行子数据的标签，yj是第j个样本运行子数据的标签。

10、根据本公开的第二个方面，提供了一种用于判断发动机故障类型的识别方法，包括：将与发动机运行相关的故障信号信息输入至目标模型，得到发动机故障类型结果，目标模型是根据上述用于判断发动机故障类型的模型的训练方法训练得到的。

11、本公开的第三方面提供了一种用于判断发动机故障类型的模型训练装置，包括：第一处理模块，用于根据初始损失函数处理预训练样本运行数据，以便于训练预训练特征提取器，得到训练后的初始特征提取器，预训练样本运行数据为发动机在第一工况状态下产生的故障信号信息。第一输入模块，用于将样本运行数据输入至初始特征提取器，得到与样本运行数据对应的第一特征信息，样本运行数据为发动机在第二工况状态下产生的故障信号信息。第二处理模块，用于根据对比损失函数处理第一特征信息，以便于训练特征提取器，得到训练后的中间特征提取器。建立模块，用于根据中间特征提取器和第一分类器，建立初始模型。第三处理模块，用于根据初始损失函数和对比损失函数处理样本运行数据，以便于训练初始模型，得到目标模型。

12、本公开的第四方面提供了一种用于判断发动机故障类型的识别装置，包括：第二输入模块，用于将与发动机运行相关的故障信号信息输入至目标模型，得到发动机故障类型结果，目标模型是通过上述用于判断发动机故障类型的模型的训练方法得到的。

13、本公开的第五方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述方法。

14、本公开的第六方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。

15、本公开的第七方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。

16、根据本公开提供的一种用于判断发动机故障类型的模型的训练、识别方法及装置，通过根据初始损失函数处理预训练样本运行数据，以便于训练预训练特征提取器，得到训练后的初始特征提取器；再将样本运行数据输入至初始特征提取器，得到与样本运行数据对应的第一特征信息；根据对比损失函数处理第一特征信息，以便于训练特征提取器，得到训练后的中间特征提取器，实现特征提取器进行不同工况的迁移训练学习，提升特征提取器的训练效率。根据中间特征提取器和第一分类器，建立初始模型；并根据初始损失函数和对比损失函数联合处理所述样本运行数据来训练初始模型，可以使得到的目标模型实现针对发动机的不同工况条件下的故障识别，进而提升针对发动机的在不同工况的诊断准确率，提升发动机的维保效率。

技术特征：

1.一种用于判断发动机故障类型的模型的训练方法，包括：

2.根据权利要求1所述的方法，所述根据初始损失函数处理预训练样本运行数据，以便于训练预训练特征提取器，得到训练后的初始特征提取器包括：

3.根据权利要求2所述的方法，其中，所述更新参数包括至少所少一个参数，所述在满足预定条件的情况下，根据所述更新参数，得到训练后的所述初始特征提取器包括：

4.根据权利要求1所述的方法，所述根据所述初始损失函数和所述对比损失函数处理所述样本运行数据，以便于训练所述初始模型，得到目标模型包括：

5.根据权利要求1所述的方法，其中，所述将样本运行数据输入至所述初始特征提取器，得到与所述样本运行数据对应的第一特征信息，还包括：

6.根据权利要求1所述的方法，其中，所述初始损失函数包括交叉熵损失函数。

7.根据权利要求1所述的方法，其中，所述样本运行数据包括至少一个样本运行子数据，输出结果包括至少一个与所述样本子数据对应的输出子结果，所述对比损失函数是根据样本量、温度函数、所述输出子结果确定的，采用如下公式计算得到所述对比损失函数：

8.一种用于判断发动机故障类型的识别方法，包括：

9.一种用于判断发动机故障类型的模型训练装置，包括：

10.一种用于判断发动机故障类型的识别装置，包括

技术总结
本公开提供了一种用于判断发动机故障类型的模型的训练、识别方法及装置，可以应用于人工智能技术领域。该方法包括：根据初始损失函数处理预训练样本运行数据，以便于训练预训练特征提取器，得到训练后的初始特征提取器；将样本运行数据输入至初始特征提取器，得到与样本运行数据对应的第一特征信息；根据对比损失函数处理第一特征信息，以便于训练特征提取器，得到训练后的中间特征提取器；根据中间特征提取器和第一分类器，建立初始模型；根据初始损失函数和对比损失函数处理样本运行数据，以便于训练初始模型，得到目标模型。

技术研发人员：林杰威,邓璘珑,张俊红,戴胡伟
受保护的技术使用者：天津大学
技术研发日：
技术公布日：2024/2/25