买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北石油大学

摘要：一种基于贝叶斯对抗攻击的天然气管道单源域迁移故障诊断方法及系统，属于机械故障检测与诊断技术领域。该方法的核心在于采用迁移学习技术解决现有深度推理模型在处理不同工况条件下的管道故障诊断任务时存在的泛化能力不足问题。主要步骤如下：基于贝叶斯网络构建了攻击样本生成器，旨在通过在输入样本中添加精巧设计的微小扰动，生成可以令推理模型做出错误决策的攻击样本，以便挖掘并分析推理模型的脆弱点；基于贝叶斯网络构建了域判别器，旨在通过与生成器之间的对抗学习，辅助生成隐蔽性强的攻击样本，即与原始样本几乎没有可见差异；基于贝叶斯网络构建了分类器，通过扩大攻击样本与推理模型原有决策边界的距离，约束推理模型网络参数的后验分布向攻击样本得分更高的方向调整，从而增强模型在面对不同域扰动时的适应性和鲁棒性。通过上述步骤，本发明有效解决了传统深度学习模型在不同工况下泛化能力差导致的漏报、误报风险提升问题。

主权项：1.一种基于贝叶斯对抗攻击和单源域迁移的天然气管道多工况故障诊断方法，其特征在于实现过程为：步骤1：采集天然气管道监测信号，构建训练数据集：利用天然气管网监测系统，获取管道负压波监测信号与声波监测信号，并利用任一域信号构建训练集其中为第i个原始管道样本，为第i个样本标签，Ns为样本数量；步骤2：建立贝叶斯生成器，通过最大化分类误差增加域扰动，确保攻击的有效性：使用贝叶斯网络构建生成器，并通过最大化类标签分类损失与最小化域标签判别损失生成攻击样本，采用贝叶斯学习法边缘化生成网络的权重来引入不确定性，用于稳定贝叶斯生成器的训练并提升攻击样本的多样性，推断生成器网络参数的后验分布，从以下条件后验分布中采样：pθg|xs，θd，θc∝exp-Uattackθd，θc|xs，θgpθg|αg1其中，pθg|xs，θd，θc为生成器网络参数的后验分布，pθg|αg为生成器网络参数的先验分布；θg～pθg为生成器g的网络参数，θd～pθd为判别器d的网络参数，θc～pθc为分类器c的网络参数；αg为超参数；Uattackθd，θc|xs，θg为生成器的损失函数，其具体形式为： 其中，为攻击样本；Jg为生成器小批量样本的数量，M为域标签数量，N为类别标签数量；yd，m为第m个域标签，yc，n为第n个故障类标签；步骤3：建立贝叶斯判别器，通过与生成器之间的对抗学习，确保攻击的隐蔽性：建立基于贝叶斯网络的域判别器，用于辅助生成强隐蔽性的攻击样本，推断判别器网络参数的后验分布，从以下条件后验分布中采样：pθd|xs，θg∝exp-Udiscriminateθg；xs，θdpθd|αd3其中，pθd|xs，θg为判别器网络参数的后验分布，αd为超参数；Udiscriminateθg；xs，θd为判别器的损失函数，其具体形式为： 其中，Jd为判别器小批量样本的数量；步骤4：建立贝叶斯分类器，通过扩大原始分类器的决策边界，抵御攻击，提升泛化性：设计的防御策略包括两部分，第一部分是基于交叉熵的分类损失，首先需要构建原始样本与攻击样本的联合分布pXs，Ys，Xa，Ya，然后优化分类损失来准确识别联合分布中的每一个样本，即：pθc|xs，xa，θg∝exp-Udefenseθcpθc|αc5其中，pθc|xs，xa，θg表示分类器网络参数的后验分布，αc为超参数；Udefenseθc为分类器的损失函数，其具体形式为： 其中，代表联合分布中的任意一个样本；第二部分是裕度差异损失；裕度定义为数据点到决策边界的最小距离，采用裕度差异损失可以扩大攻击样本与分类器原有决策边界的距离，约束分类器网络参数的后验分布向攻击样本得分更高的方向调整，以增强模型在面对不同工况分布差异时的适应性和鲁棒性；基于裕度损失的防御策略用于提升分类器对不同工况样本的识别准确率；基于裕度差异的正则损失可表征为： 其中，和分别代表与攻击样本分布pXa相关的迁移分类器裕度和预训练分类器裕度，f代表预训练的分类器；裕度具体计算公式为： 其中，ρcxa，ya为分类器的决策边界，其计算方式为： 其中，y′a为分类器针对攻击样本xa给出的正确分类标签，ya为分类器针对攻击样本xa给出的错误分类标签；Φρρcxa，ya为分段函数，用于促进分类器产生大的正裕度值，即要让正确类别的得分尽可能比其他类别的得分高，其具体形式为： 其中，ρ为裕度下界；步骤5：使用随机梯度哈密尔顿蒙特卡罗法SGHMC抽样估计权重后验分布：利用随机梯度哈密尔顿蒙特卡罗法构建贝叶斯网络参数优化器，实现生成器、判别器和分类器的交替优化，首先基于SGHMC构建网络参数优化器，然后交替训练贝叶斯生成器、贝叶斯判别器以及贝叶斯分类器。步骤6：获得单源域迁移诊断模型，完成管网故障类型识别：通过步骤1-5完成单源域迁移诊断模型训练，并通过设定的测试数据完成模型性能评估，所述测试数据来自与训练数据的操作条件不同的管道。

全文数据：

权利要求：

百度查询： 东北石油大学 一种基于贝叶斯对抗攻击和单源域迁移的天然气管道多工况故障诊断方法及系统