[发明专利]一种基于模块化联邦深度学习的多工况在线故障诊断方法有效
| 申请号： | 202110053434.8 | 申请日： | 2021-01-15 |
| 公开（公告）号： | CN112763215B | 公开（公告）日： | 2022-04-29 |
| 发明（设计）人： | 周福娜;李思洁;胡雄;王天真;张志强 | 申请（专利权）人： | 上海海事大学 |
| 主分类号： | G01M13/045 | 分类号： | G01M13/045;G06F30/27;G06K9/62;G06N3/08;G06N3/04 |
| 代理公司： | 上海互顺专利代理事务所(普通合伙) 31332 | 代理人： | 裴姣姣 |
| 地址： | 201306 上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于模块化联邦深度学习的多工况在线故障诊断方法。大型机械设备工作在多工况环境中，会破坏数据独立同分布的特性导致采集的数据质量较低，且单个神经网络在故障诊断时存在数据利用不充分、特征提取不全面等问题，进而影响故障诊断精度。针对上述问题，提出一种模块化联邦学习的方法，首先根据单工况序列数据建立深度神经网络模块进行特征抽取，同时利用新的网络对多工况序列数据进行特征抽取，之后多模块联邦进行决策层的特征联邦学习，并利用胶囊模块网络进一步进行模块划分，通过自适应联邦以实现模块间权重自适应分配给顶层故障诊断模块，从而更加精确的进行多工况故障诊断。该方法通过模块化联邦使得故障诊断更加准确。 | ||
| 搜索关键词： | 一种 基于 模块化 联邦 深度 学习 工况 在线 故障诊断 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海海事大学，未经上海海事大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202110053434.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种并联驱动的重载机器人
- 下一篇：一种食品加工用芋圆团子油炸设备
