[发明专利]无人设备故障诊断方法、装置、设备、存储介质和产品

权利要求书

1.一种无人设备故障诊断方法，其特征在于，所述方法包括：

获取无人设备的运行状态信息；所述运行状态信息包括所述无人设备运行过程中所产生的多元状态信息；

将所述运行状态信息输入至预设故障诊断模型中进行故障诊断，得到所述无人设备的故障诊断结果；

其中，所述预设故障诊断模型基于脉冲卷积神经网络模型构建，所述脉冲卷积神经网络模型包括级联的静态编码层、脉冲卷积层和脉冲全连接层。

2.根据权利要求1所述的方法，其特征在于，所述将所述运行状态信息输入至预设故障诊断模型中，得到所述无人设备的故障诊断结果，包括：

将所述运行状态信息输入至所述静态编码层进行信息编码处理，得到所述静态编码层输出的前脉冲神经元特征图；

将所述前脉冲神经元特征图输入至所述脉冲卷积层进行卷积处理，得到所述脉冲卷积层输出的后脉冲神经元特征图；

将所述后脉冲神经元特征图输入至所述脉冲全连接层进行故障类型映射，得到所述脉冲全连接层输出的目标故障类型，将所述目标故障类型作为所述故障诊断结果。

3.根据权利要求2所述的方法，其特征在于，所述脉冲卷积层包括基于神经元模型的卷积层以及池化层；所述将所述前脉冲神经元特征图输入至所述脉冲卷积层进行卷积处理，得到所述脉冲卷积层输出的后脉冲神经元特征图，包括：

将所述前脉冲神经元特征图输入至所述卷积层中，基于所述神经元模型以及目标卷积核对所述前脉冲神经元特征图上的各特征点进行卷积处理，得到各所述特征点对应的脉冲信息；其中，所述目标卷积核基于所述神经元模型的神经元突触权值所构建；

将所述各特征点对应的脉冲信息与预设脉冲阈值进行对比，并将大于所述预设脉冲阈值的脉冲信息输出，得到所述卷积层输出的中间特征图；

将所述中间特征图输入至所述池化层进行池化处理，得到所述池化层输出的所述后脉冲神经元特征图。

4.根据权利要求1至3任一所述的方法，其特征在于，所述预设故障诊断模型包括m个级联的脉冲卷积层，m为大于1的正整数；

若m等于1，则第m个脉冲卷积层的输入为所述静态编码层的输出；

若m不等于1，则第m个脉冲卷积层的输入为第m-1个脉冲卷积层的输出；

所述脉冲全连接层的输入为所述m个级联的脉冲卷积层中最后一个脉冲卷积层的输出。

5.根据权利要求1至3任一所述的方法，其特征在于，所述方法还包括：

获取训练数据集；所述训练数据集中包括所述无人设备的多个历史运行状态信息及多个所述历史运行状态信息对应的实际故障诊断结果；

针对所述训练数据集中多个历史运行状态信息，将各所述历史运行状态信息输入至初始故障诊断模型中进行训练，得到各所述历史运行状态信息对应的所述无人设备的预测脉冲信息；所述预测脉冲信息用于表征所述无人设备的预测故障诊断结果；

根据各所述历史运行状态信息对应的所述预测故障诊断结果、各所述历史运行状态信息对应的所述实际故障诊断结果及预设损失函数，采用梯度替代算法更新所述初始故障诊断模型的参数，得到所述预设故障诊断模型。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

按照预设时间步长，从各所述历史运行状态信息对应的所述无人设备的预测脉冲信息中获取所述初始故障诊断模型的各输出节点对应的各所述预设脉冲信息；

将所述各输出节点分别对应的各所述预设脉冲信息进行累加，得到各所述输出节点分别对应的脉冲释放总数；

将各所述脉冲释放总数除以所述预设时间步长，得到各所述输出节点对应的脉冲释放频率；

根据各所述输出节点对应的脉冲释放频率及均方误差损失函数，构建所述预设损失函数。

7.根据权利要求1所述的方法，其特征在于，所述多元状态信息包括所述无人设备的加速度信息、角速度信息、位置信息、姿态信息、电压信息、电流信息和通信控制信息中的至少一种。