Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于CapsNet的未知类型故障预测方法 

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:北京电子工程总体研究所

摘要:本发明的一个实施例公开了一种基于CapsNet的未知类型故障预测方法,包括:S101、确定转换矩阵,低层胶囊利用所述转换矩阵生成相对应的高层胶囊的预测向量S102、确定动态路由算法,利用动态路由算法将低层胶囊生成的预测向量整合到对其表示同意的高层胶囊;S103、利用所述高层胶囊的预测向量生成高层胶囊的特征向量fi,并选取特征向量fi正则化值中的最大值f;S104、确定超参数阈值λ,将阈值λ与特征向量值f进行比较,当f大于等于阈值λ时,输出特征向量值f;当f小于阈值λ时,则表明出现未知类型向量或故障。本发明改进的CapsNet具有自适应能力和迁移学习能力,在出现未知类型故障时可自适应的调整模型并对未知类型故障进行识别。

主权项:1.一种基于CapsNet的未知类型故障预测方法,其特征在于,包括:S101、确定转换矩阵,低层胶囊利用所述转换矩阵生成相对应的高层胶囊的预测向量S102、确定动态路由算法,利用动态路由算法将低层胶囊生成的预测向量整合到对其表示同意的高层胶囊;S103、利用所述高层胶囊的预测向量生成高层胶囊的特征向量fi,CapsNet模型的输入是10个有序的用于分类的特征向量,每个特征向量经过正则化,得到10个有序的标量,通过比较10个有序标量的值,选出最大的标量定义为特征向量值f;S104、改进CapsNet的故障分类器结构,在CapsNet最后一层胶囊实现故障特征分类的过程中引入超参数阈值λ,确定超参数阈值λ,所述超参数阈值λ为通过训练CapsNet模型确定的,λ=minf0,f1,...,fn,f0,f1,fn为训练过程中根据所述动态路由算法获得的特征向量值;将阈值λ与特征向量值f进行比较,当f大于等于阈值λ时,输出特征向量值f;当f小于阈值λ时,则表明出现未知类型向量或故障;所述阈值λ的上限为fi正则化值中的最小值。

全文数据:

权利要求:

百度查询: 北京电子工程总体研究所 一种基于CapsNet的未知类型故障预测方法

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。