近期，800cc全訊白菜網主站青年教師蒲自強博士在國際工業信息領域頂級期刊IEEE Transactions on Industrial Informatics上發表了題為“Incrementally Generative adversarial diagnostic using few-shot enabled one-class learning”（使用少量樣本賦能的單類學習進行增量式生成對抗性診斷）的學術論文（10.1109/TII.2024.3416945），在工業機械智能故障診斷領域取得了突破性進展。
在實際工業場景中，故障診斷通常依賴于大量正常數據來通過少量樣本檢測故障。新引入故障的樣本有限性會給基于深度學習的故障診斷模型帶來挑戰。為了解決這個問題，一種名為增量生成對抗診斷的新框架被開發出來，它使用少樣本單類學習（FSEOCL）來對新出現的少量樣本進行有效的異常檢測和故障分類。在該方法中，首先僅使用正常數據訓練雙向生成對抗網絡以獲取用于從時間序列數據中進行潛在表示的編碼器。然后可以通過FSEOCL正確識別和分類潛在空間中每種故障條件的少量樣本。通過對基準軸承和工業機器人進行的故障診斷實驗證明了所提出框架的有效性。結果強調了該框架對工業故障診斷場景的適應性，與最先進的同類方法相比，突出了其實現準確異常檢測和故障分類的能力。
該成果得到了國家重點研發計劃（2023YFB3406104）和國家自然科學基金(72271036)的資助。
期刊簡介：IEEE Transactions on Industrial Informatics（2023年，IF: 11.7）隸屬于IEEE Computer Society學會，創刊于2005年，由IEEE出版，是工業信息、人工智能和自動化與控制系統領域的頂級國際期刊。
