公开(公告)号：CN115545092A

公开(公告)日：2022-12-30

申请号：CN202211057935.4

申请日：2022-08-31

Applicant: 哈尔滨工业大学(威海)

Inventor： 钟诗胜 ,  赵明航 ,  刘丹 ,  林琳 ,  付旭云 ,  刘雪云

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G01M15/05

Abstract: 本申请提供了一种基于深度孪生自注意力网络的航空发动机小样本故障诊断方法，采用时间序列聚类和孪生神经网络相结合，实现航空发动机小样本故障的诊断。本申请通过学习一种相似性度量来解决小样本条件下多标签分类问题，有效地提高小样本条件下多故障分类的准确率，有效地缓解深度神经网络的过拟合问题；使用SANet作为孪生神经网络的特征提取模块，以期学到更丰富的时序特征，进而提高不同类型样本在映射空间中的可分性；SANet可以同时提取时间序列的短期依赖和长期依赖，并在提取长期依赖方面优于RNN模型；有效地缓解样本不均衡所带来的训练问题，对故障样本的诊断效果更佳。