摘要
本发明公开了一种改进的多模态信息融合的故障诊断算法,涉及深度学习和数据融合领域。本发明将多传感信息和多域信息相结合,不同的传感信息包含不一样的故障信息,不同的域能够提取不一样的特征,将多模态和多传感器结合,能够从不同的角度获得故障的特点,更全面的发现信号的异常,有利于我们对故障的正确诊断。通过加入残差神经网络,有助于模型召回输入,避免了算法过拟合,解决了深度网络的退化问题,保证了故障诊断的精确性。为了能够更好的利用到多模态特征,使用改进的互补特征融合方法,顺序渐进的融合每一个模态信息。
技术关键词
故障诊断算法
融合方法
互补特征
残差学习
残差神经网络
深度学习网络
综合评价模型
曲线
训练集
模态特征
旋转机械
数据
传感器
打标签
超参数
多模态
图片
信号
分类器
系统为您推荐了相关专利信息
混合整数规划模型
资源分配方法
深度强化学习
异构
集群
高光谱图像数据
模拟高光谱图像
消除背景干扰
残差神经网络
全局平均池化
故障诊断一体化
减速器控制方法
故障诊断模型
RV减速器
历史运行数据
车载操作系统
系统硬件资源
融合方法
计算机执行指令
中间件