摘要
本发明公开了一种新型油‑电混合动力海上作业平台的故障诊断方法及系统,方法为基于增强判别特征学习的深度残差卷积神经网络,通过引入残差学习单元,形成残差网络,可以避免传统卷积神经网络中的准确率低的问题,具有强大的学习与分析能力。所述新型油‑电混合动力海上作业平台的故障诊断系统通过多层非线性网络训练,学习样本的潜在特征,从而提高分类或预测能力,故其在系统级复杂故障诊断方面具有优势。此外,本发明提出的油‑电混合动力系统是包含多任务卷积神经网络,可以同时处理多个任务,允许不同任务之间共享某些层,为每个任务保留特定的层,有效提高了海上作业平台油‑电混合动力系统故障诊断的效率和准确率。
技术关键词
海上作业平台
多任务卷积神经网络
故障诊断方法
电混合动力系统
故障诊断系统
二维灰度图像
推进器
深度残差卷积神经网络
残差学习
数据
传感器
通道
残差网络
电池组设备
电源逆变器
定义
校准
系统为您推荐了相关专利信息
谐波减速器
人工智能算法
故障诊断方法
随机采样方法
训练集数据
数控系统故障诊断
导向型
图谱
故障诊断系统
故障诊断方法
机械设备故障诊断方法
冲击特征
故障特征频率
周期性
监测设备
故障诊断方法
模态特征
节点
复杂度特征
神经网络模型
风力发电机变桨系统
故障诊断模型
异常状态
卡尔曼滤波器
故障诊断方法