一种多模态特征融合神经网络的制冷设备故障诊断方法

    公开(公告)号:CN114970605A

    公开(公告)日:2022-08-30

    申请号:CN202210485072.4

    申请日:2022-05-06

    摘要: 本发明公开一种多模态特征融合神经网络的制冷设备故障诊断方法,属于计算机技术领域,包括:1)数据预处理;2)特征提取及特征融合;3)神经网络训练及优化;4)故障分类与诊断。本发明主要针对单模态输入故障诊断问题,由于单模态输入数据信息匮乏,现有的机器学习方法特征提取能力弱,准确率不高,对于一些难以分辨的故障容易产生误判。因此,本发明利用时频分析转换时域信号增加输入模态和基于注意力机制的特征融合,实现模态间互补信息的充分发挥,以达到提高诊断准确率的目标。实验验证表明,本发明能够有效地实现多模态特征提取与融合,解决单模态输入诊断准确率低下的问题。

    水下大数据计算综合实验分类系统、分类模型的训练方法

    公开(公告)号:CN116628559B

    公开(公告)日:2023-11-10

    申请号:CN202310892172.3

    申请日:2023-07-20

    IPC分类号: G06F30/27 G06F18/24

    摘要: 本发明公开了一种水下大数据计算综合实验分类系统、分类模型的训练方法,训练方法包括步骤:获取水下目标的多模态信息,并进行特征提取和训练,对分类网络模型的网络参数进行更新,并计算多模态融合相似度,根据多模态融合相似度,确定目标函数,再对贡献权重和更新的网络参数进行更新,直至训练完成时,将分类网络模型作为水下大数据计算综合实验分类模型。本发明通过融合多模态相似度嵌入目标函数,使采集的多源多模态水下数据目标类别可从多维度充分学习特征知识,进而泛化卷积神经网络对特定数据的强感知能力,全方位锚定特征,抑制局部特征的负面影响,从而提高水下目标分类时准确性。