基于PPDM与专家提示学习的牵引系统故障检测方法

AITNT
正文
推荐专利
基于PPDM与专家提示学习的牵引系统故障检测方法
申请号:CN202411817709
申请日期:2024-12-11
公开号:CN119917784B
公开日期:2025-11-11
类型:发明专利
摘要
本发明提供了一种基于PPDM与专家提示学习的牵引系统故障检测方法,包括以下步骤:S1)分别从仿真平台获取得到无故障数据集UN和带噪故障数据集UF;S2)搭建基于PPDM的重构模型,模型包括PDM和ICM;S3)搭建域泛化目标网络聚类得到Pmeta;S4)将UN输入到PDM中,基于Pmeta得到Pi,将提取后的特征与Pi重构为Uf1,输入到ICM,计算得到Jth;S5)将Pi作为“K”和“V”,将UF特征作为“Q”;S6)将UF输入到PDM和交叉注意力网络中,生成Pm,提取特征与Pm重构为Uf2,输入到ICM,计算得到j,与Jth比较,如果j>Jth,存在故障,如果j<Jth,无故障。
技术关键词
系统故障检测方法 无故障数据 数字仿真 金字塔 交叉注意力机制 噪声信息 模块 重构模型 重构误差 支撑电容 记忆单元 判断系统 噪声数据 异常信息 元学习方法 平台
系统为您推荐了相关专利信息
1
一种多目标跟踪方法、装置以及处理设备
轨迹 图像处理模型 匈牙利算法 双向特征金字塔 卡尔曼滤波器
2
基于大模型的智能制造优化方法、装置、设备及存储介质
故障传播路径 数字孪生模型 故障特征 多尺度特征金字塔 知识图谱推理算法
3
基于语义辅助和元迁移学习的扩散模型优化方法、设备及介质
模型优化方法 噪声特征 交叉注意力机制 文本 BERT模型
4
面向多模态图谱数据的网络架构搜索同步迁移学习方法
迁移学习方法 神经网络架构搜索 融合特征 样本 交叉注意力机制
5
一种基于深度神经网络的端到端图像去雾处理方法
图像去雾 去雾模型 金字塔池化模块 构建深度神经网络 深度卷积神经网络
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