公开(公告)号：CN114897138B

公开(公告)日：2025-01-03

申请号：CN202210484425.9

申请日：2022-05-06

Applicant: 东南大学

Inventor： 王克璇 ,  朱小良 ,  刑天阳 ,  姜牧笛

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/006 ,  G06N3/048 ,  G01M99/00

Abstract: 本发明公开了一种基于注意力机制和深度残差网络的系统故障诊断方法，本方法，通过使用人工蜂群算法进行网络结构设计，从而获得最优网络层数和卷积核数目，从而充分发挥卷积操作对大型工业系统时序、多维、噪声干扰数据的特征提取能力，同时在残差块之间增加基于通道注意力和空间注意里的注意力机制，从而使得网络能够自动学习不同通道的重要程度和输入数据不同像素点的重要程度，从而加速模型训练收敛速度和故障诊断准确率。本方法通过将汽水分离再热系统的状态变量时序数据输入模型，在噪声干扰下，获得了较高的故障诊断准确率。

公开(公告)号：CN114897138A

公开(公告)日：2022-08-12

申请号：CN202210484425.9

申请日：2022-05-06

Applicant: 东南大学

Inventor： 王克璇 ,  朱小良 ,  刑天阳 ,  姜牧笛

IPC: G06N3/04 ,  G06N3/00 ,  G06K9/62 ,  G01M99/00

Abstract: 本发明公开了一种基于注意力机制和深度残差网络的系统故障诊断方法，本方法，通过使用人工蜂群算法进行网络结构设计，从而获得最优网络层数和卷积核数目，从而充分发挥卷积操作对大型工业系统时序、多维、噪声干扰数据的特征提取能力，同时在残差块之间增加基于通道注意力和空间注意里的注意力机制，从而使得网络能够自动学习不同通道的重要程度和输入数据不同像素点的重要程度，从而加速模型训练收敛速度和故障诊断准确率。本方法通过将汽水分离再热系统的状态变量时序数据输入模型，在噪声干扰下，获得了较高的故障诊断准确率。