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：四川大学

摘要：本发明涉及一种航空电子系统故障识别网络训练方法及故障识别方法，训练方法中：将获取的原始监测数据进行第一滑窗处理得到多个待检测样本，输入至异常数据检测网络获取异常数据；将异常数据所在的时间段对应到原始监测数据，将原始监测数据中每个连续时间段的异常数据切割提取为一个处理样本，进行第二滑窗处理，得到异常样本集，并将该异常样本集作为训练数据集；基于训练数据集构建多个输入样本三元组，每一个输入样本三元组包括锚点样本、正样本和负样本。将多个样本三元组输入至系统故障识别基础网络，结合第二损失函数进行网络训练得到系统故障识别网络。得到的识别网络可以在故障样本数据较少的情况下，更准确识别到故障类型。

主权项：1.一种航空电子系统故障识别网络训练方法，其特征在于，包括：获取原始监测数据，所述原始监测数据包括导航系统监测数据；将所述原始监测数据进行第一滑窗处理，得到多个待检测样本，并将该多个待检测样本输入至异常数据检测网络，获取异常数据；所述异常数据检测网络为基于自编码器模型结合第一损失函数训练得到的异常数据检测神经网络；基于获取的异常数据，将异常数据所在的时间段对应到原始监测数据，将原始监测数据中每个连续时间段的异常数据切割提取为一个处理样本，对每一个处理样本进行第二滑窗处理，得到异常样本集，并将该异常样本集作为训练数据集；基于训练数据集构建多个输入样本三元组，每一个输入样本三元组包括锚点样本、正样本和负样本，所述正样本与锚点样本故障类型相同，所述负样本与锚点样本故障类型不同；构建系统故障识别基础网络，将多个所述样本三元组输入至所述系统故障识别基础网络，结合第二损失函数进行网络训练得到系统故障识别网络，包括：将所述样本三元组作为输入经特征提取子网络进行特征提取后，输入至相似性度量模块进行故障类型识别；所述特征提取子网络包括三个完全相同且共享权重的1DCNN-BiLSTM混合模型，其中，所述样本三元组中的三个样本数据一一对应输入到三个1DCNN-BiLSTM混合模型中进行处理；对于任意一个1DCNN-BiLSTM混合模型，对输入的样本数据进行处理，包括：将样本数据进行两级卷积处理后再通过BiLSTM层进行时序特征提取，再将时序特征提取结果经全连接处理进行降维，完成数据样本到度量空间的映射；所述的将样本数据进行两级卷积处理，包括：每一级卷积处理依次包括卷积层、批量归一化层、ReLU层和池化层；其中，第一级卷积处理中的卷积层的卷积核大小大于第二级卷积处理中的卷积层的卷积核大小。

全文数据：

权利要求：

百度查询： 四川大学 一种航空电子系统故障识别网络训练方法及故障识别方法