[发明专利]基于深度学习的雷达异常状态诊断方法有效
| 申请号： | 201910981582.9 | 申请日： | 2019-10-16 |
| 公开（公告）号： | CN110736968B | 公开（公告）日： | 2021-10-08 |
| 发明（设计）人： | 刘井泉;解光耀;曾聿赟;张昊宇;刘正藩;秦楚晴;杨辉 | 申请（专利权）人： | 清华大学;上海祥通石化科技有限公司 |
| 主分类号： | G01S7/40 | 分类号： | G01S7/40;G06N3/04 |
| 代理公司： | 杭州昱呈专利代理事务所(普通合伙) 33303 | 代理人： | 雷仕荣 |
| 地址： | 10008*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的雷达异常状态诊断方法，包括以下步骤：利用气象雷达系统的各个分系统的历史状态数据和报警数据，以报警数据做标签，对故障进行分类，使用逐步回归法提取与每一类故障相关的特征参数；对每一类故障取特征参数中的相关系数最大的特征参数作为重构模型的重构参数目标，使用长短时记忆网络LSTM模型搭建重构模型，利用除相关系数最大的特征参数以外的特征参数对相关系数最大的特征参数进行拟合重构，得到重构值；对每一类故障的重构值和实测值的差值做基于概率的量化标准；对每一类故障的量化结果做时间区间统计，对不同模型的诊断结果进行整合，得到实时的对多个故障诊断结果并给出预警，滤除误报警，得到最终诊断结果。 | ||
| 搜索关键词： | 基于 深度 学习 雷达 异常 状态 诊断 方法 | ||
【主权项】：
1.一种基于深度学习的雷达异常状态诊断方法，其特征在于，应用于包括发射机分系统、接收机分系统和伺服分系统的气象雷达系统，包括以下步骤：/n利用气象雷达系统的各个分系统的历史状态数据和报警数据，以报警数据做标签，对故障进行分类，使用逐步回归法提取与每一类故障相关的特征参数；/n对每一类故障取特征参数中的相关系数最大的特征参数作为重构模型的重构参数目标，使用长短时记忆网络LSTM模型搭建重构模型，利用除相关系数最大的特征参数以外的特征参数对相关系数最大的特征参数进行拟合重构，得到重构值；/n对每一类故障的重构值和实测值的差值做基于概率的量化标准；/n对每一类故障的量化结果做时间区间统计，对不同模型的诊断结果进行整合，得到实时的对多个故障诊断结果并给出预警，滤除误报警，得到最终诊断结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学;上海祥通石化科技有限公司，未经清华大学;上海祥通石化科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910981582.9/，转载请声明来源钻瓜专利网。
