摘要
本发明公开了一种基于关联嵌入和多尺度时空胶囊网络的智能设备故障诊断方法及装置,首先对设备运行过程中产生的多模态数据进行清洗和整理,对数据样本进行生成式样本扩充与标签关联建模,通过自注意力机制捕捉多模态数据在时间步和空间位置上的全局依赖关系,提高时空特征交互建模能力,为下游任务提供更强的表达能力;采用膨胀卷积提取多尺度的局部与全局故障特征,并通过引入Bhattacharyya系数优化胶囊网络的动态路由机制,强化模型对复杂模式的表达能力和鲁棒性,最终识别设备的故障类型或状态。与现有技术相比,本发明能够提高故障诊断的精准度和对复杂工况的鲁棒性。
技术关键词
智能设备故障诊断方法
胶囊网络
多模态特征
条件生成对抗网络
文本
注意力机制
矩阵
标签
传感器
信号特征
样本
数据
识别设备
多尺度特征融合
随机噪声
短时傅里叶变换
编码
故障诊断装置
系统为您推荐了相关专利信息
专业性内容智能化生成方法
语义
BERT模型
文本
主题
图像生成模型
建筑
图像超分辨率算法
残差矩阵
浅层特征提取
智能对话方法
大语言模型
文本
深度学习模型
非结构化数据库