基于多源信號(hào)和深度學(xué)習(xí)的設(shè)備故障診斷方法

基本信息

申請(qǐng)?zhí)?/td> CN202111085910.0 申請(qǐng)日 -
公開（公告）號(hào) CN113887342A 公開（公告）日 2022-01-04
申請(qǐng)公布號(hào) CN113887342A 申請(qǐng)公布日 2022-01-04
分類號(hào) G06K9/00（2006.01）I;G06K9/62（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 尹德斌;徐超;秦佳暉;張祎純;關(guān)柳恩;喬非;翟曉東 申請(qǐng)（專利權(quán)）人 上海工業(yè)自動(dòng)化儀表研究院有限公司
代理機(jī)構(gòu) 上海申匯專利代理有限公司 代理人 翁若瑩;徐穎
地址 200233上海市徐匯區(qū)漕寶路103號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于多源信號(hào)和深度學(xué)習(xí)的設(shè)備故障診斷方法，采用多源信號(hào)進(jìn)行設(shè)備故障診斷，充分且有效利用設(shè)備的多個(gè)狀態(tài)監(jiān)控?cái)?shù)據(jù)，為故障診斷提供更多重要的故障信息，使診斷在多工況等復(fù)雜環(huán)境下依舊保持令人滿意的魯棒性和準(zhǔn)確性；本發(fā)明基于深度學(xué)習(xí)構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，無需人為處理原始數(shù)據(jù)和提取特征，借鑒殘差網(wǎng)絡(luò)的思想，在卷積神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上加入跳躍連接來擴(kuò)展網(wǎng)絡(luò)深度，每層網(wǎng)絡(luò)只學(xué)習(xí)特征表示的殘差，不僅加速模型收斂過程、提高模型的訓(xùn)練效率，而且能夠提高模型的擬合能力和診斷性能；引入全局平均池化替代部分全連接層，通過減少網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，在降低分類器過擬合風(fēng)險(xiǎn)的同時(shí)加速網(wǎng)絡(luò)的訓(xùn)練過程，為有效提高診斷性能和泛化能力。