基于KmeansSMOTE与领域自适应的化工过程故障诊断

来源：电子测量技术杂志2025年第22期北京时间：

作者：卫亚楠，谢俊，吕凯，朱荣，李财年

单位：新疆大学机械工程学院 乌鲁木齐 830017

摘要：针对化工过程中由于多变量传感数据的时间依赖性导致的特征耦合、工况变化带来的数据分布偏移以及样本数据不平衡等问题，提出了将K均值合成少数类过采样技术与条件对抗域适应相结合的化工过程故障诊断框架。首先，通过时间窗口分割技术将原始一维数据转换为多个二维时间窗口数据，在这些窗口内采用KmeansSMOTE方法对少数类故障样本进行扩充，扩充后得样本能够保留完整的时序故障特征，同时该算法还能减少生成噪声样本的数量；然后，使用领域自适应技术对齐源域与目标域的特征分布，减少两者间的分布差异，使得基于源域训练的故障诊断模型能够在新工况下有效识别故障类别；最后，通过使用田纳西——伊斯曼过程的故障数据进行诊断实验，并通过与CDAN、DANN以及JDA等模型进行诊断率对比，验证了所提方法的有效性。

关键词：合成采样;迁移学习;故障诊断;化工过程;田纳西伊斯曼数据集

基金资助：新疆维吾尔自治区重点研发计划项目（2023B01031-2）资助