摘要
本申请公开基于数字孪生的故障诊断方法、系统、电子设备及介质,方法包括:获取真实域数据和仿真域数据,并将真实域数据划分为训练集和测试集;建立故障诊断模型;将训练集和仿真域数据分别输入故障诊断模型中的第一特征提取器和第二特征提取器进行特征提取,输出真实域特征和仿真域特征;根据真实域特征和仿真域特征训练故障诊断模型,并通过测试集测试训练后的故障诊断模型,得到目标模型;将获取到包含故障数据的待诊断故障集输入目标模型进行故障识别,输出目标故障类型。在本申请实施例中,能够改进数据不平衡导致故障诊断模型识别性能低的问题,实现对单一故障的识别,同时实现对复合故障的精准解耦,提高故障识别的准确性。
技术关键词
故障诊断模型
特征提取器
故障诊断方法
智能诊断模型
滚动轴承
数据
多标签
分类器
计算机可执行指令
训练集
补丁
注意力机制
电子设备
故障诊断系统
数字孪生模型
样本
模型训练模块
可读存储介质
系统为您推荐了相关专利信息
退化特征
动车组齿轮箱
剩余寿命预测模型
特征提取网络
数据
条件生成对抗网络
联邦学习方法
分类器
客户端
分类网络
开关柜故障
卷积神经网络模型
故障诊断模型
卷积神经网络算法
局部放电脉冲电流
故障诊断方法
深度卷积神经网络模型
滚筒电机
驱动滚筒
仿真数据