基于多模态时序对比生成网络的数据增强算法
商柔1
董宏丽2
王闯2
周国强3
管闯2
闫天红3
1.东北石油大学三亚海洋油气研究院,海南三亚 572025;东北石油大学人工智能能源研究院,黑龙江大庆 163318;黑龙江省网络化与智能控制重点实验室,黑龙江大庆 1633182.东北石油大学人工智能能源研究院,黑龙江大庆 163318;黑龙江省网络化与智能控制重点实验室,黑龙江大庆 1633183.东北石油大学三亚海洋油气研究院,海南三亚 572025
摘要：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.
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
论文发表日期：2025-04-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 805-815 )
英文信息