摘要
本发明涉及人工智能和故障诊断技术领域,尤其是一种基于多模态融合的模态缺失外啮合齿轮泵故障诊断方法。本发明提出的模型结构包括:模态学习模块、物理启发模块、特征融合模块;模态学习模块对模态信号进行编码,并将编码特征分割为模态特有特征和两个模态的共享特征,模态学习模块基于获取的共享特征构建最终共享特征;物理启发模块将压力信号经编码得到的编码特征系数和经频域抽取得到的频域特征系数融合得到物理特征;特征融合模块对最终共享特征、模态特有特征和物理特征进行融合,得到融合特征;然后基于融合特征进行故障诊断。通过联合学习模态共享特征与模态专属特征,充分利用了各模态的故障信息,解决了模态缺失问题,提升了诊断精度。
技术关键词
外啮合齿轮泵
故障诊断方法
多模态
融合特征
故障类别
编码特征
物理
模块
分类器
信号
压力
样本
频域特征
注意力机制
故障诊断系统
故障诊断模型
故障诊断技术
排序损失
系统为您推荐了相关专利信息
网络关联分析方法
正电子发射断层显像
光电一体化设备
多模态
脑电图数据
宠物情绪识别
卷积神经网络提取
动作特征
预训练模型
表情特征