基于领域自适应的多源工业数据的变分填补模型

作者:李宝学; 姚邹静; 赵春晖
更新时间:

工业现场数据中普遍存在问题,严重影响了后续数据挖掘算法的应用。因此,在预处理过程中需要对数据进行填充。现有的填充算法假设训练数据和测试数据服从同一分布,不能适应新的工作环境。随着工业互联网的不断发展,云边 collaborative framework在云中收集来自不同工厂和工作条件的数据,为可变工作条件下的建模提供了新的思路。在此基础上,提出了一种在alpine协作框架下处理多源数据的填充模型,该模型保留了细粒度的个性化特征,使用领域自适应范式学习跨工厂和工作条件的粗粒度知识,并处理边缘的可变工作条件。通过在某集团大数据云平台上使用多个磨煤机的数据,验证了该算法的有效性。与主流算法相比,该算法在不同的数据缺失率下具有优异的性能。