找到 2 条结果 · 智能化与AI应用
面向标签噪声鲁棒的时序分类方法：基于自监督标签校正
Label-Noise-Resistant Time-Series Classification With Self-Supervised Label Correction
Yimeng He · Zidong Wang · Weibo Liu · Jingzhong Fang 等6人 · IEEE Transactions on Industrial Informatics · 2025年11月 · Vol.22
工业系统可靠运行依赖精准的故障分类，但历史数据常含标签噪声，导致模型性能下降。本文提出LNRTSC方法，结合注意力机制编码器、局部一致性驱动的标签置信度评估及两阶段自监督增强（重建损失+改进对比损失），在TEP和SEU-gearbox数据集上显著提升噪声标签下的分类精度。
解读: 该方法可直接赋能阳光电源iSolarCloud智能运维平台及ST系列PCS、PowerTitan储能系统的故障早期识别与分类能力，尤其适用于光伏电站逆变器异常（如MPPT失效、IGBT过热）、储能BMS误报等标签不一致场景。建议将LNRTSC嵌入边缘侧轻量化模型，部署于组串式逆变器本地AI模块或Po...
一种基于自适应二次采样的多相驱动系统机器学习故障诊断方法
A Machine-Learning-Based Fault Diagnosis Method With Adaptive Secondary Sampling for Multiphase Drive Systems
Zicheng Liu · Lanlan Fang · Dong Jiang · Ronghai Qu · IEEE Transactions on Power Electronics · 2022年8月
针对多相电机定子相位排布多样性导致现有故障诊断方法通用性差的问题，本文提出了一种基于自适应二次采样滤波的机器学习故障诊断方法。该方法有效提升了多相驱动系统在复杂工况下的故障识别精度与鲁棒性，并通过实验验证了其在多相电机系统中的有效性。
解读: 该技术主要针对多相电机驱动系统，虽然与阳光电源核心的光伏逆变器和储能PCS（通常为三相）存在差异，但其核心的“自适应二次采样”与“机器学习故障诊断”逻辑对iSolarCloud智能运维平台具有重要参考价值。在风电变流器及大功率电机驱动领域，该方法可提升设备运行状态的实时监测精度，降低误报率。建议研发...