摘要
本申请公开了一种基于孪生数据多域挖掘的装备部件状态可信感知方法,涉及多源传感数据融合领域。基于孪生数据多域挖掘的装备部件状态可信感知方法包括:获取装备部件运行过程的多源传感数据;利用无监督变分自编码器将多源传感数据转换为结构化变量;利用工作状态识别模型,确定处于工作状态的多源传感数据,并将其转换为二维图像数据;对二维图像数据进行时空特征提取,根据时空关联深层特征,对处于工作状态的多源传感数据进行质量评估,剔除其中的异常传感特征,根据异常传感特征剔除后的多源传感数据进行装备部件状态的感知。本申请实现了孪生传感特征的高质量快速抽取,进而提高了装备部件状态感知分析的准确性和时效性。
技术关键词
传感特征
卷积模块
二维图像数据
双向长短期记忆网络
装备
神经网络模型
连续小波变换
频域特征
深层卷积神经网络
时间段
位置传感数据
变量
粒子群优化方法
训练样本集
支持向量机
物理
时间序列关系
无监督
系统为您推荐了相关专利信息
瞬态特征
人形机器人
传感器
信号预测方法
变分模态分解算法
特征提取单元
图像处理方法
滑动窗口
乘法器
纹理
资源受限环境
反量化模块
人工智能模型
嵌入式设备
预训练模型