摘要
一种基于多源数据与注意力机制的航空发动机轴承故障智能迁移诊断方法,通过注意力权重自动学习不同模态在不同故障状态下的重要性差异,实现模态特征的动态优化组合;同时,利用注意力机制捕捉航空发动机轴承部件的多模态数据间的深层关联特性,挖掘振动、温度、电流等异构信号间的时空耦合关系,并利用注意力权重自动抑制受噪声污染的模态贡献,增强噪声鲁棒性;本发明能够自动学习不同模态不同故障状态下的权重差异,捕捉模态深层次关联并抑制噪声污染增强模型鲁棒性。
技术关键词
航空发动机轴承
迁移诊断方法
多头注意力机制
模态特征
时空耦合关系
噪声鲁棒性
梯度下降算法
轴承机械设备
线性变换矩阵
深度残差网络
数据
更新模型参数
工况
样本
故障特征
滤波器
系统为您推荐了相关专利信息
集成模块
图像生成方法
交叉注意力机制
视觉特征
掩模
雷达点云数据
语义分割方法
交叉注意力机制
三维点云数据
输入解码器
路径预测方法
关键传播路径
卫星遥感影像数据
多源异质数据
神经网络模型
情绪识别方法
模态特征
视频帧
数据
语音特征提取
迁移学习模型
多模态特征
多模态深度学习
西药
网络特征