基于贝叶斯单源域领域泛化算法的天然气管道故障智能诊断OA北大核心CSTPCDEI
基于深度学习算法的故障智能诊断模型已被广泛应用于天然气管道运输安全领域,然而管道通常处于准稳态,使得训练集中的故障样本量受限。为此,针对天然气管道故障诊断中因训练集故障样本量有限,导致难以准确诊断的问题,提出了一种基于贝叶斯单源域领域泛化(BSDG)算法,部署了一种攻击防御策略,通过在攻击阶段明确伪目标域增强路径,并在防御阶段引导模型参数的后验分布向伪域样本得分更高的方向调整,增强模型在面对不同域扰动时的适应性和鲁棒性。研究结果表明:(1)基于贝…查看全部>>
董宏丽;商柔;汪涵博;王闯;陈双庆;管闯
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 黑龙江省网络化与智能控制重点实验室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 黑龙江省网络化与智能控制重点实验室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 黑龙江省网络化与智能控制重点实验室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 黑龙江省网络化与智能控制重点实验室东北石油大学石油工程学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 黑龙江省网络化与智能控制重点实验室
石油、天然气工程
天然气管道故障智能诊断迁移学习贝叶斯神经网络小样本问题泛化能力
《天然气工业》 2024 (9)
P.27-37,11
国家自然科学基金区域创新发展联合基金项目“基于分布式算法及大数据驱动的微地震信号去噪与反演研究”(编号:U21A2019)国家资助博士后研究人员计划B档资助项目“面向深海油气管道典型小样本场景的知识迁移方法研究”(编号:GZB20240136)中国博士后科学基金第75批面上资助“地区专项支持计划”项目“非完备数据约束下的油气管网智能运维关键技术研究”(编号:2024MD753911)。
评论