摘要
本发明提出了一种基于知识重构的金属冶炼过程零样本故障诊断方法，旨在解决金属冶炼过程故障样本稀缺导致诊断不准确的问题。本发明建立了一种基于模糊神经网络的故障属性预测模型，适应故障属性的多层次特征，并设计了一种基于知识重构的模型参数更新策略，用来提高故障属性的预测精度，此外，提出基于马尔可夫决策的未知故障诊断方法，利用从不同属性层中提取的属性知识来建立马尔可夫模型，提高对于未见故障的诊断能力。实验结果证明，该方法能够在故障样本稀缺的条件下实现金属冶炼过程未见故障的准确诊断，并保持较好的稳定性。
