デジタルツイン支援自己教師あり対照学習：電気機械設備故障診断のための新しいフレームワーク

科学分野:

• 工学; 人工知能; 機械学習

背景:

• 電気機械設備は、産業運営に不可欠です。; 故障診断は、データ不足や一般化能力の低さといった課題に直面しています。; 既存の手法は、現実の産業的制約に対処するのに苦労しています。

研究 の 目的:

• 電気機械設備故障診断のための新しいフレームワークを提案すること。; 産業現場におけるデータ不足と一般化の問題に対処すること。; 故障検出の精度と堅牢性を向上させること。

主な方法:

• データシミュレーションのために5次元デジタルツインモデル（DTEE）を構築しました。; データ拡張と自己教師あり時周波数対照学習（DT-SSTFCL）を採用しました。; 特徴学習のためにデュアルストリームトランスフォーマーエンコーダーとクロス相関損失行列（CCLM）を使用しました。

主要な成果:

• DTEEモデルは、不十分な故障データとクラス不均衡を克服するためにシミュレーションデータを生成しました。; DT-SSTFCLは、時間領域と周波数領域の相補的な特徴を効果的に学習しました。; 平滑化ウェーブレットカーネル（SWK）の最適化は、時周波数特徴の理解を向上させました。

結論:

• 提案されたフレームワークは、故障診断において既存の手法を大幅に上回ります。; ラベル付きデータが限られている電気機械設備の故障診断のための実行可能なソリューションを提供します。; この手法は、さまざまな動作シナリオにわたる強力な一般化能力を示しています。