産業プロセスにおけるメタドメイン適応を用いた新たなクロスドメイン障害診断手法（段階的メタ学習に基づく）

科学分野:

• 産業プロセス制御
• 機械学習
• 障害診断

背景:

• 複雑な産業プロセスは、高い動的特性とシステム間結合を示し、効率と製品品質に影響を与えます。
• カスタマイズ製造は変動性を導入し、従来の障害診断方法に課題を投げかけます。
• ドメイン適応は、効果的な多条件障害診断に不可欠です。

研究 の 目的:

• 多条件産業プロセス向けの新たなニューラルネットワークベースのクロスドメイン障害診断手法を提案すること。
• 複数のソースドメインにわたる特徴量整合性の課題に対処すること。
• 不均衡データやソース内異質性などの実践的な問題に取り組むこと。

主な方法:

• 1D CNN特徴抽出器とMLPドメイン識別器を備えた敵対的デュアルスケールニューラルネットワーク。
• ドメイン不変特徴抽出のための段階的敵対的強度調整戦略。
• 堅牢な汎化のためのメタ学習とマルチカーネル最大平均不一致。

主要な成果:

• 提案手法は、クロスドメイン障害診断において有効性と優位性を示しました。
• テネシー・イーストマンプロセスおよび熱間圧延ミルプロセスで正常に評価されました。
• 大幅なドメインシフト下でのドメイン汎化と堅牢性が向上しました。

結論:

• メタドメイン適応手法は、変動する産業条件下での障害診断を大幅に改善します。
• このアプローチは、実際の産業障害検出のための堅牢なソリューションを提供します。
• この研究は、産業プロセス監視における機械学習の応用を進歩させます。