摘要
本发明公开了一种基于无监督与有监督学习结合的无人艇故障诊断方法,包括以下步骤:步骤1:搭建无人艇推力预测模型,所述无人艇推力预测模型包括无监督神经网络、有监督神经网络以及用于连接无监督神经网络和有监督神经网络的桥接网络;步骤2:对无人艇推力预测模型进行训练,得到训练后的无人艇推力预测模型;步骤3:采集无人艇的实时状态数据,将该实时状态数据输入至训练后的无人艇推力预测模型,得到无人艇推力预测结果;步骤4:根据无人艇推力预测结果,得到最终残差,利用最终残差,计算T2统计量,根据T2统计量确定无人艇是否存在故障。
技术关键词
无人艇
无监督神经网络
故障诊断方法
T2统计量
神经网络架构
神经网络参数
推力
故障诊断模型
超参数
变量
调节误差
随机噪声
数据
无故障
信号
传感器
动态
系统为您推荐了相关专利信息
无人艇编队
动态障碍物
事件触发机制
静态障碍物
跟随算法
神经网络架构搜索
资源受限平台
无人机视觉
检测损失
编码结构
裂纹检测方法
图像采集设备
寿命预测模型
神经网络技术
样本
通讯控制装置
故障传播路径
级联故障
分类边界
故障诊断方法
深度学习模型
神经网络架构
实例分割方法
工件点云
分支