一种基于Stacking集成学习的零样本管道堵塞缺陷识别方法

本发明涉及了一种基于Stacking集成学习的零样本管道堵塞缺陷识别方法，属于缺陷识别技术领域。该方法包括如下步骤：首先对实验采集的时序信号采用变分模态分解(VMD)分解，用信息熵提取各本征模态函数(IMF)分量的有效信息，构建特征向量集；其次，根据缺陷类别的属性描述构建属性矩阵，使用Stacking集成的属性学习器对提取的缺陷特征进行属性学习；最后，通过对属性矩阵相似度的比较完成缺陷识别。本发明有效的解决了传统零样本学习对无视觉属性的时序数据分类效果较差的问题，本发明提出集成方法，相比于传统的零样本学习识别准确率更高，不需要对传感器采集的原始信号做图像转换，即降低了计算的复杂度又避免了转换过程误差的传播。