基于有监督和无监督学习算法的设备故障诊断技术及算法融合探析

作者：周峰; 余意; 林昕; 姜亚光; 刘汝芳^*

来源：工业技术创新, 2022, 9(04): 30-38.

DOI：10.14103/j.issn.2095-8412.2022.08.004

• 有监督学习算法
• 无监督学习算法
• 设备故障诊断
• 粗轧机
• MO-GAAL算法

部分工业生产工艺具有生产工序长、使用设备多、设备机理复杂等特点，特殊的工艺运行环境进一步加剧了设备故障率和故障危害性。以轧钢工艺中的多传感设备粗轧机作为研究对象，设计了基于多尺度卷积神经网络(CNN)模型的有监督学习算法，研究与比选了LOF、K-means、GMM、SO-GAAL、MO-GAAL等无监督学习算法。研究发现：1)将多尺度CNN模型应用于粗轧机原始数据，测试集的准确率高达99.91%，但损失函数数值较大；2)无监督学习算法通过二元分类处理评价设备故障诊断性能，其中MO-GAAL算法的二元分类指标均在98%以上，AUC值高达0.99，在五种算法中效果最好。结合两类算法优势，构建并探析了算法融合策略，为粗轧机故障诊断的不同场景提供了进一步的解决方案。

• 单位
  中国软件评测中心; 中国电子信息产业发展研究院; 工业和信息化部; 西安交通大学; 上海宝信软件股份有限公司