一种具有自学习强泛化能力的失稳故障监测方法及装置

AITNT
正文
推荐专利
一种具有自学习强泛化能力的失稳故障监测方法及装置
申请号:CN202410728648
申请日期:2024-06-06
公开号:CN118296546B
公开日期:2024-08-23
类型:发明专利
摘要
本发明公开了一种具有自学习强泛化能力的失稳故障监测方法,包括采集电气量节点的数据以构建样本;输入actor‑critic架构的强化学习网络,利用该网络可以实现自学习形成不同的诊断模型;利用训练得到的诊断模型在线实时诊断电力电子化系统的失稳状态。本发明还提供了一种失稳故障监测装置。本发明提供的方法能够针对不同的电力电子系统结构和故障诊断任务,同时解决失稳监测和单模块故障问题,具有强泛化能力与高自适应用。
技术关键词
故障监测方法 电力电子系统 分类网络 强化学习网络 故障监测装置 强化学习算法 电气 电子系统结构 采取行动 损失率 神经网络框架 网络层结构 数据 样本 强化学习模型 电力变换器 网络结构 梯度下降法 贪婪算法 标签
系统为您推荐了相关专利信息
1
基于动态骨骼建模与应急场景适配的救援动作捕捉方法、设备及介质
动作捕捉方法 混沌不变量 动作识别模型 动作特征 骨骼模型
2
一种基于KPCAL1-SLSSVM的艾萨炉故障监测方法
故障监测方法 非线性故障诊断 样本 偏离特征 评价方法
3
一种基于度量学习的小样本分类网络设计方法
样本 特征关系度量 多尺度特征金字塔 特征关联分析 金字塔结构
4
卷积神经网络的训练加速方法、系统、设备及存储介质
样本 卷积神经网络训练 训练集 采样率 单元轮
5
一种基于运行速度的电梯故障监测方法、装置、介质及设备
电梯故障监测方法 监测算法 速度 电梯故障监测装置 智能监测技术
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号