摘要
本发明公开了半监督去噪自编码器的星表智能系统失效分析方法及系统,涉及故障检测技术领域。本发明包括:根据星表智能系统故障的原因,构建星表智能系统的缺陷故障库,并对缺陷故障库中的故障状态进行ont_hot编码;接收星表智能系统在不同状态下的运行数据。本发明结合了有监督训练和无监督训练的优点,利用标记数据的准确性以及未标记数据的丰富性和较低成本,利用大量的无标签数据来提高模型的准确性和泛化能力,通过对原始输入数据进行损坏,有监督训练可以完成对非线性数据更加鲁棒的特征表达,且采用的Focal损失函数,能够避免由于样本之间存在不均衡导致的训练后的模型向样本多的类别偏移,使得模型更多关注样本数少的类别。
技术关键词
失效分析方法
智能系统
训练集数据
传播算法
无监督
故障诊断模型
Softmax分类器
样本
失效分析系统
计算机程序产品
程序运行时间
故障检测技术
异常数据
编码器参数
主成分分析法
噪声
系统为您推荐了相关专利信息
植物绝缘油
电压预测方法
梯度提升决策树算法
相场模型
流体力学模型
去条带方法
预训练模型
条纹
奇异值分解重构
图像处理
一维卷积神经网络
流量检测方法
终端设备
深度学习模型训练
数据流特征