申请/专利权人：浙江大学

申请日：2024-03-29

公开（公告）日：2024-07-05

公开（公告）号：CN118296550A

主分类号：G06F18/25

分类号：G06F18/25;G06F18/213;G06N3/042;G06N3/0442;G06N3/045;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明公开了一种全局时空特征动态自演化的复杂装备服役状态感知方法，涉及复杂装备服役状态感知技术领域，使用采集复杂装备的实际服役数据并进行预处理；通过构造涵盖时‑空注意力机制、长短期记忆网络的时空特征聚合网络，以及包含时‑空动态图结构、时‑空动态图卷积的时空域动态图网络；同时，通过计算实际服役数据全域特征间的欧氏距离，构建全局动态图结构的全局域图网络；将复杂装备预处理后的实际服役数据分别输入时空域和全局域图网络中，与注意力机制相融合并自适应捕获全局时空特征信息，动态分析全局时空特征信息的自演化过程，实现对复杂装备服役状态的精确感知，更加符合复杂装备的现实服役场景。

主权项：1.一种全局时空特征动态自演化的复杂装备服役状态感知方法，其特征在于，包括：采集复杂装备的服役状态数据；对所述复杂装备的服役状态数据进行预处理，得到预处理后的多通道数据构建时空特征聚合网络；所述时空特征聚合网络包括：时间注意力机制模块、第一长短期记忆神经网络模块、空间注意力机制模块以及第二长短期记忆神经网络模块；构建动态图神经网络；所述动态图神经网络包括：时间动态图卷积模块、时间动态图结构模块、空间动态图卷积模块以及空间动态图结构模块；将所述预处理后的服役状态数据输入至所述时间注意力机制模块中，得到时间注意力权重αt；基于所述时间注意力权重αt对所述多通道数据进行更新，到更新后的多通道数据基于所述更新后的多通道数据更新所述第一长短期记忆神经网络模块的隐藏层状态，得到时间特征嵌入序列H＝[h1,h2,…ht]；利用空间注意力机制模块计算所述时间特征嵌入序列H＝[h1,h2,…ht]的空间注意力权重βk；基于所述空间注意力权重对所述时间特征嵌入序列H＝[h1,h2,…ht]进行更新，得到更新后的时间序列基于所述更新后的时间序列更新所述第二长短期记忆神经网络模块隐藏层状态，得到空间特征嵌入序列L＝[l1,l2,…lt]；将所述时间特征嵌入序列H＝[h1,h2,…ht]输入至所述时间动态图结构模块中，得到时间动态图结构的邻接矩阵A＝[A1,A2,…,AM]；将所述更新后的多通道数据和所述时间动态图结构的邻接矩阵A＝[A1,A2,…,AM]输入至所述时间动态图卷积模块中进行时间动态图卷积运算，得到将所述空间特征嵌入序列L＝[l1,l2,…lt]输入至所述空间动态图结构模块中，得到空间动态图结构的邻接矩阵B＝[B1,B2,…,BM]；将所述更新后的时间序列和所述空间动态图结构的邻接矩阵B＝[B1,B2,…,BM]输入至所述空间动态图卷积模块中进行空间动态图卷积运算，得到基于所述复杂装备的服役状态数据构建全局动态图结构生成网络；基于所述全局动态图结构生成网络通过多层计算，得到多层全局动态图结构；构建全局动态图卷积网络；将所述多层全局动态图结构与预处理后的多通道数据输入至所述全局动态图卷积网络中进行动态图卷积运算，得到全局动态图卷积的输出结果计算注意力系数；基于所述注意力系数对所述以及进行融合，得到最终的感知结果Z。

全文数据：

权利要求：

百度查询： 浙江大学 全局时空特征动态自演化的复杂装备服役状态感知方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD