摘要
本发明公开了一种用于机电作动器的故障智能识别方法,包括步骤如下:首先对机电作动器故障模拟数据进行归一化并通过滑动窗口切片处理,按比例划分为训练数据集和测试数据集;然后,将训练数据集作为多尺度液态注意力卷积网络模型的输入,训练数据集先经过多尺度卷积进行空间故障特征提取,接着经过液态时序处理模块增加了时序故障特征,同时引入时间注意力机制突出重要时间步,最终经过分类输出层,得到训练好的故障智能识别模型;最后,利用测试数据集测试训练好的故障智能识别模型,得到机电作动器故障智能识别结果;此外,本发明简单易行,适用于机电作动器的故障特征提取与识别,显著提高了识别准确性和稳定性。
技术关键词
故障智能识别方法
机电作动器
卷积网络模型
注意力机制
时序
故障特征提取
数据
多尺度
滑动窗口
尺寸
时间序列信息
滚珠丝杠
模块
非线性
切片
试验台
积分方法
系统为您推荐了相关专利信息
图像融合方法
融合特征
卷积特征
输出特征
图像融合装置
实体关系抽取方法
关系抽取模型
三元组
双向长短期记忆
编码
智能施工升降机
升降机控制器
语义相关性度量
误码率
多模态信息融合