一种基于深度学习的实验仪器智能诊断方法

本发明公开了一种基于深度学习的实验仪器智能诊断方法及系统，涉及智能诊断技术领域，包括采集实验仪器的运行数据，根据运行数据中的功率变化梯度和频率分布特征计算工作负荷系数；将工作负荷系数进行负荷等级划分，建立分层动态基准库，获取状态基准向量；计算实时监测数据与状态基准向量的偏差矩阵，将偏差矩阵输入卷积长短时记忆网络进行特征学习，通过反向传播训练生成故障识别模型；基于当前工作负荷系数，从分层动态基准库选取状态基准向量，将实时偏差特征输入故障识别模型，输出故障分类概率分布。本发明提升了实验仪器在运行维护与故障预警方面的智能化水平和决策可靠性。