摘要
本发明提供了一种用于小样本学习的电工装备生产故障诊断方法,涉及电工装备生产故障诊断技术领域,目的是实现基于小样本的高精度故障诊断,在电工装备生产操作期间安装多个传感器,通过多个传感器分别进行故障信号的采集;进行数据预处理,获取无监督迁移训练集、元训练任务和元测试任务;通过训练好的小样本故障诊断模型对电工装备生产故障进行识别;小样本故障诊断模型包括无监督迁移训练网络和原型网络,无监督迁移训练集连接到无监督迁移训练网络的输入端,元训练任务和元测试任务连接原型网络的输入端,且无监督迁移训练网络的特征提取器和原型网络的第二特征提取器相连。本发明具有诊断精度高、节约算力资源和时间的优点。
技术关键词
故障诊断方法
矩阵乘法器
无监督
特征提取器
故障诊断模型
电工
输入端
拼接模块
网络
样本
装备
原型
卷积模块
训练集
输出端
多尺度注意力机制
故障特征
分支
系统为您推荐了相关专利信息
电缆材料
故障诊断方法
人工神经网络模型
仿真模型
仿真数据
教师
概率密度函数
学生
无标签数据
损失函数设计