摘要
本发明提供一种基于数字孪生的航天发射塔摆杆液压系统故障诊断方法,基于摆杆液压系统的工作原理和历史运行数据分别构建机理仿真模型和数据驱动模型,通过元学习器将所述机理仿真模型与数据驱动模型并联式混合构成数字孪生模型;根据液压元件故障机理在所述数字孪生模型中注入故障,生成孪生故障信号;使用一维卷积神经网络和卷积注意力机制构建多传感器信息融合深度学习故障诊断模型;在深度学习故障诊断模型的基础上,构建基于数字孪生的深度迁移学习故障诊断模型。本发明通过一维卷积神经网络实现多传感器数据的特征层融合,全面的提取液压系统运行状态特征,引入卷积注意力机制建立各通道和空间动态权重参数,增强故障特征、弱化无用特征。
技术关键词
液压系统故障诊断方法
故障诊断模型
数据驱动模型
一维卷积神经网络
深度迁移学习
数字孪生模型
仿真模型
数据故障诊断
调速阀
摆杆
注意力机制
多传感器信息融合
故障特征
航天
历史运行数据
液压系统运行状态
三位五通电磁换向阀
系统为您推荐了相关专利信息
数据生成方法
序列
长短期记忆网络
变量
数据生成装置
基站管理系统
任务调度策略
检测环境参数
资源分配模块
环境监测模块
运动想象分类
运动想象脑电信号
浅层卷积神经网络
注意力机制
深度迁移学习
可调节支撑装置
神经网络预测模型
强化学习算法
时间序列特征
多模态特征