摘要
本发明公开了一种基于信息融合算法的航空变流器故障检测方法,包括采集航空变流器的运行数据,构建数据集;对数据集中的数据进行时间信息提取和空间信息提取,且基于变分自编码器对时间特征和空间特征进行特征融合,得到时空数据;构建贝叶斯深度学习模型,并对贝叶斯深度学习模型进行训练和优化;将时空数据输入到训练和优化后的贝叶斯深度学习模型中进行处理,输出表示故障发生概率的数值,以及基于概率数值的方差作为不确定性估计;预设概率阈值,当输出的概率大于阈值时,判定变流器存在故障;否则,判定为正常运行状态;为故障检测提供更准确、可靠的诊断结果,并在实际应用中具有较强的适应性和鲁棒性。
技术关键词
信息融合算法
变流器故障
深度学习模型
长短期记忆网络
航空
小波能量熵
数据
引入注意力机制
拉普拉斯
序列
热传导
归一化算法
更新模型参数
样本
传感器节点
训练集
电气
系统为您推荐了相关专利信息
环境感知方法
反射面
点云信息
多视角
神经网络架构
工业设备状态监测
故障预警方法
大数据
模式匹配
动态故障
深度学习模型
表面缺陷检测方法
钢材
表面缺陷检测系统
机器人