CHAOZHAO-1/Domain-generalization-fault-diagnosis-benchmark

🔧 Bộ chuẩn chẩn đoán lỗi máy móc theo hóa học miền chung

Bộ benchmark mã nguồn mở cung cấp 7 mô hình DG + dữ liệu thực tế cho chẩn đoán lỗi máy móc dưới điều kiện vận hành chưa từng gặp.

Đây là một bộ chuẩn (benchmark) mã nguồn mở dành cho nghiên cứu chẩn đoán lỗi (fault diagnosis) dựa trên kỹ thuật hóa học miền chung (domain generalization - DG). Dự án do Chao Zhao, Enrico Zio và Weiming Shen phát triển và liên quan mật thiết đến nghiên cứu được công bố trên tạp chí Reliability Engineering & System Safety. Mục tiêu là cung cấp một khung tham chiếu đánh giá hiệu năng của các phương pháp DG trong bài toán chẩn đoán lỗi máy móc — đặc biệt là truyền động quay — dưễng điều kiện vận hành hoặc máy móc chưa từng xuất hiện trong quá trình huấn luyện.

✨ Điểm nổi bật

• 7 mô hình DG: Bao gồm ERM, DANN, DDC, DCORAL, CNN-C, CCDG, IEDGNet — mỗi mô hình tương ứng với một chiến lược học tập khác nhau.
• Dữ liệu thực tế: Hỗ trợ các bộ dữ liệu lớn như CWRU, IMS, JNU, HUST với cấu trúc 1D tín hiệu rung.
• Cài đặt nhiệm vụ đa domen: Hỗ trợ thiết lập nhiệm vụ theo điều kiện vận hành (Cross-Working Condition) hoặc theo loại máy (Cross-Machine Condition).
• Mạng ResNet 1D: Cung cấp kiến trúc resnet18_1d tối ưu cho xử lý tín hiệu rung 1D.
• Đánh giá đồng nhất: Cung cấp hàm số đo (utils.py) và quy trình chuẩn để so sánh các mô hình một cách công bằng.
• Hỗ trợ lại mô hình: Các mô hình được cài cắm (plug-and-play), dễ dàng tích hợp và mở rộng.
• Công bố khoa học: Kết quả nghiên cứu đã được xuất bản trên Reliability Engineering & System Safety (2024).

💡 Vì sao đáng chú ý

Khác với các benchmark truyền thống chỉ tập trung vào một phương pháp duy nhất, bộ chuẩn này tích hợp đồng thời nhiều chiến lược hóa học miền chung phổ biến, cho phép người nghiên cứu so sánh hiệu năng một cách công bằng. Điều này đặc biệt quan trọng trong lĩnh vực chẩn đoán lỗi máy móc, nơi các điều kiện vận hành thực tế thường thay đổi liên tục và khó lường trước.

Bộ benchmark phù hợp với các nhà nghiên cứu, kỹ sư và nhà phát triển hệ thống giám sát máy móc muốn xây dựng mô hình chẩn đoán lỗi vững mạnh trước các miền dữ liệu chưa từng thấy.

#DomainGeneralization #FaultDiagnosis #MachineLearning #Benchmark #TiniX