基于深度迁移学习的变工况气体泄漏检测

作     者：张立豪 李鹏 刘轩宇 Zhang Lihao;Li Peng;Liu Xuanyu

作者机构：南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 无锡学院自动化学院无锡214105 南京信息工程大学江苏省气象探测与信息处理重点实验室南京210044 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2023年第44卷第6期

页      面：177-187页

核心收录：

学科分类：080704[工学-流体机械及工程] 081203[工学-计算机应用技术] 08[工学] 0807[工学-动力工程及工程热物理] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：无锡市社会发展科技示范工程项目(20191008)资助 

主　　题：迁移学习 联合域自适应 变工况 泄漏检测 

摘      要：压力容器气体泄漏智能检测识别技术易受多种因素干扰,且智能检测模型需要大量的监测数据训练。而在实际工业环境中,可用数据特别是数据标签十分稀缺,为了克服多工况干扰和数据缺少标签信息等问题,提出了一种利用迁移学习的无监督变工况智能检测技术。首先采集实验室环境下的多种泄漏的样本,选择3种不同压力工况下将数据分为有标签的源域和无标签的目标域;其次设计卷积特征提取器,针对两个域的边缘分布和条件分布,提出一种改进的联合分布适应机制,并进一步改进了分布差异度量,以增强邻域混淆。在6个迁移学习任务上的实验结果验证了该方法的有效性,对比经典域自适应算法有更高的准确率。