报告人：浙江大学赵春晖教授

报告时间：2023年6月20日，上午10:00

报告地点：腾讯会议- 371 950 560

邀请人：工业人工智能与自动化系常玉清教授

摘 要：

故障诊断系统是工业过程安全可靠运行的重要保障。数据驱动的故障诊断建模往往依赖于收集的充分历史故障数据。然而，在实际工业过程中，过程故障没有历史样本也没有标签的情形是普遍存在的。对此，我们需要应对一种极具挑战性的故障诊断任务，即考虑在没有历史故障样本可用于模型训练的情况下进行诊断。我们将零样本学习的理念首次引入工业领域，创新性建立了零样本故障诊断方法，通过巧妙引入以故障描述为载体的先验建模知识和采用属性迁移方法，解决了传统故障诊断研究对样本量约束难以满足的问题。我们从理论上分析和解释了基于故障描述的零样本学习诊断方法的有效性和可行性。此外，在真实的百万千瓦火电过程中验证了零样本情形下的故障诊断效果，结果表明在没有样本的情况下诊断未见目标故障是切实可行的。在此基础上，揭示了存在的挑战难题和未来的研究方向。

报告人简介：

浙江大学求是特聘教授，国家杰青获得者。主要研究方向为面向工业应用的统计机器学习和数据挖掘研究。已在国际权威期刊上发表一作/通讯高水平SCI研究论文190多篇，出版3本专著，1本大数据专业课教材，授权发明专利60余项。主持国家自然科学基金、国家重点研发计划课题、重大企业合作项目等。曾获教育部、各级学会自然科学奖、教育部新世纪优秀人才、浙江省首届青年科技奖、中国自动化学会首届青年女科学家奖等。担任《Journal of Process Control》的Senior Editor以及《Control Engineering Practice》、《Neurocomputing》等多本国际期刊编委。