龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：清华大学
摘要：本说明书提供有一种故障诊断方法及装置。所述方法包括：获取多个传感器采集到的表征自主无人系统的运行状态的多元传感器信号；将多元传感器信号输入到故障诊断模型中的卷积编码层，由卷积编码层按照传感器信号的采集时刻将多元传感器信号编码为脉冲时空序列，由特征提取层中的第一类卷积层从脉冲时空序列中提取序列特征，并由与第一类卷积层连接的自注意力层计算与序列特征对应的注意力权重，由输出层中的第二类卷积层基于与序列特征对应的注意力权重从序列特征中进一步提取与故障检测相关的预测特征，由全连接层基于预测特征针对自主无人系统进行故障检测。
主权项：1.一种故障诊断方法，其特征在于，应用于自主无人系统，所述自主无人系统搭载有多个传感器，以及采用基于自注意力机制的脉冲神经网络构建的故障诊断模型；所述脉冲神经网络包括卷积编码层、特征提取层和输出层，所述特征提取层包括用于提取特征的第一类卷积层，以及与所述第一类卷积层连接的自注意力层，所述输出层包括第二类卷积层以及和所述第二类卷积层连接的全连接层；所述方法包括：获取所述多个传感器采集到的表征所述自主无人系统的运行状态的多元传感器信号；其中，所述信号携带有采集时刻；将所述多元传感器信号输入到所述故障诊断模型中的卷积编码层，由所述卷积编码层按照所述传感器信号的采集时刻将所述多元传感器信号编码为脉冲时空序列，并将所述脉冲时空序列输出至所述特征提取层；由所述特征提取层中的所述第一类卷积层从所述脉冲时空序列中提取序列特征，并由与所述第一类卷积层连接的自注意力层计算与所述序列特征对应的注意力权重，将所述序列特征和与所述序列特征对应的注意力权重进一步输出至所述输出层；由所述输出层中的第二类卷积层基于与所述序列特征对应的注意力权重从所述序列特征中进一步提取与故障检测相关的预测特征，并将所述预测特征输出至所述全连接层，由所述全连接层基于所述预测特征针对所述自主无人系统进行故障检测。
全文数据：
权利要求：
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号