摘要
本发明提供一种水下机器人推进器故障诊断方法、实验装置及实验方法,该方法通过信号分解降噪,而后增强信号中的故障信息,基于特征提取方法减小故障样本中的冗余信息,并利用基于交叉验证和特征选择改进的贝叶斯优化算法优化了时间卷积网络超参数,最终显著提高了水下推进器故障分类准确率。本发明设计的故障诊断实验装置可在实验室条件下模拟复现不同水下推进器故障类型,并同步测量推进器在不同转速下的数据,为故障诊断方法的验证提供有效实验数据,利用该装置实现的故障诊断实验方法,能够获取典型的推进器故障动态信号,并用于不同故障诊断方法的测试训练,能够准确直观地显示出不同方法的故障分类性能,便于进行对比分析。
技术关键词
水下推进器
时间卷积网络
水下机器人推进器故障诊断
故障特征
分类准确率
框架机构
框架总成
故障诊断方法
序列
旋转轴机构
拉压力传感器
时域特征
频域特征
支架座
动态
支架机构
超参数
编码器
系统为您推荐了相关专利信息
电力通信网络故障
故障检测模型
电力监控系统
Sigmoid函数
关系
阀门执行器
人工智能模型训练
融合注意力机制
模型预测控制技术
故障诊断专家系统
镀锌板表面
瑕疵分类方法
表面图像数据
梯度提升决策树
模板
配电网故障自愈方法
配电网故障自愈系统
策略
电流波形畸变
数字孪生
智能故障诊断系统
中央控制器
监测策略
传感器节点
定位故障