基于时序-谱图-离散数据多模态融合的电力设备故障诊断方法

AITNT
正文
推荐专利
基于时序-谱图-离散数据多模态融合的电力设备故障诊断方法
申请号:CN202411495535
申请日期:2024-10-25
公开号:CN119537995A
公开日期:2025-02-28
类型:发明专利
摘要
本发明涉及一种基于时序‑谱图‑离散数据多模态融合的电力设备故障诊断方法,属于电力设备故障诊断领域。采用基于注意力机制的多模态特征融合技术,构建了一种基于多模态信息融合的电力设备故障诊断模型。相比较传统深度学习故障诊断方法而言,本发明可以通过多模态数据融合缓解故障单一模态样本对诊断模型准确性不足的问题,并提高模型的泛用性和诊断精度。
技术关键词
电力设备故障诊断 计算机程序指令 注意力机制 跨模态 时序 数据特征提取方式 故障诊断模型 文本 音频 多模态信息融合 多模态特征融合 多模态数据融合 诊断模块 矩阵 视觉 双线性插值法
系统为您推荐了相关专利信息
1
一种基于改进UNet网络的TBAD病变区域自动分割方法及装置
病变区域自动分割方法 编码器 解码器 多级特征 瓶颈
2
一种基于联邦学习与动态语义掩码的智能脱敏方法
跨模态 脱敏方法 预训练模型 区块链存证 差分隐私
3
基于跨模态信息的开放场景时序动作检测方法、设备及介质
时序动作检测方法 跨模态 视觉特征 文本编码器 图像编码器
4
基于大语言模型的文本信息与实验室结果特征提取方法及装置
特征提取方法 大语言模型 模版 格式化 文本规范化
5
工业机器人状态检测方法、系统、装置及存储介质
工业机器人 状态检测方法 LSTM模型 时序 传感器模块
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号