[发明专利]一种结合多通道残差与深度学习的作动器故障诊断方法有效
| 申请号： | 202010815291.5 | 申请日： | 2020-08-13 |
| 公开（公告）号： | CN111946695B | 公开（公告）日： | 2021-06-18 |
| 发明（设计）人： | 苗强;苗建国;王剑宇;罗冲;严幸友 | 申请（专利权）人： | 四川大学 |
| 主分类号： | F15B19/00 | 分类号： | F15B19/00 |
| 代理公司： | 北京劲创知识产权代理事务所(普通合伙) 11589 | 代理人： | 王鸿 |
| 地址： | 610065 四川*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于一种机械装备故障诊断方法，提供一种结合多通道残差和深度学习的作动器故障诊断的方法。利用系统正常状态下不同传感器的输入输出数据训练多个神经网络观测器，然后根据系统实际输入输出数据生成多通道残差，并对多通道残差进行特征提取和融合，最后利用深度学习训练诊断模型实现故障诊断。多通道残差使得数据结构简约化的同时保留了故障特征信息，并且减小了传统模型方法对专家知识和经验的依赖。此外，多源信息、多通道残差特征提取和深度学习故障诊断能够充分利用多传感器的数据特征信息和深度学习的复杂数据处理优势，能够实现多冗余结构的作动器故障诊断并提高作动器故障诊断的准确率。 | ||
| 搜索关键词： | 一种 结合 通道 深度 学习 作动器 故障诊断 方法 | ||
【主权项】：
暂无信息
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四川大学，未经四川大学许可，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/202010815291.5/，转载请声明来源钻瓜专利网。
