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：山东大学

摘要：本发明涉及基于扩散模型域适应的深海潜水器故障诊断方法及系统，属于深海潜水器传感信号故障诊断技术领域，包括：采集原始数据并进行预处理；将预处理后的数据输入训练好的特征提取模型，提取特征向量；将提取的特征向量输入训练好的检测模型，得到预测值；使用激活函数将预测值转换为故障类别的概率值，其中，最大概率值对应的故障类别作为预测的故障类型。本发明通过域适应方法，可以避免大量的数据标记工作，显著减少人力和时间成本。

主权项：1.基于扩散模型域适应的深海潜水器故障诊断方法，其特征在于，包括：采集原始数据并进行预处理；将预处理后的数据输入训练好的特征提取模型，提取特征向量；将提取的特征向量输入训练好的检测模型，得到预测值；使用激活函数将预测值转换为故障类别的概率值，其中，最大概率值对应的故障类别作为预测的故障类型；特征提取模型采用特征提取网络，特征提取网络采用门控循环神经网络GRU；特征提取网络用于捕获输入序列中的复杂模式并生成高层次的特征表示；采集原始数据并进行预处理；包括：通过深海潜水器的传感器采集深海环境中的各种数据，包括电压，电流，温度、压力、流速、方向；对采集到的各种数据进行预处理，包括：对各种数据进行切片处理；对传感信号进行归一化处理；数据集划分，将预处理后的数据集分为源域数据Xs和目标域数据Xt，源域数据为已标记数据，目标域数据为未标记数据；检测模型包括7层卷积神经网络和3层全连接层；7层卷积神经网络包括6层卷积层、1层特征提取层；6层卷积层用于从输入数据中提取特征；1层特征提取层用于特征融合，进一步对特征进行整合和处理，生成更具辨识度的特征向量；3层全连接层用于将7层卷积神经网络的特征映射到最终的分类空间，其中，每一层全连接层都通过激活函数实现非线性转换；利用迁移后的源域数据训练检测模型，来实现对目标域数据的检测；包括：目标域数据通过特征提取模型得到目标域特征向量，源域数据通过特征提取模型得到源域特征向量；使用目标域特征向量训练扩散模型，得到训练好的扩散模型；源域特征向量通过训练好的扩散模型得到迁移后的源域数据；包括：将已标记的源域特征向量输入到已经训练好的扩散模型中进行域迁移，扩散模型对源域特征向量进行处理，通过反向去噪过程生成迁移后的源域数据；迁移后的源域数据通过检测模型得到源域预测值，根据交叉熵损失优化检测模型；包括：将迁移后的源域数据输入到已经训练好的检测模型中进行分类，检测模型通过卷积层提取多尺度特征，通过全连接层将特征映射到分类空间，输出源域预测值；计算源域预测值和真实标签之间的交叉熵损失，使用反向传播算法根据交叉熵损失优化检测模型的参数。

全文数据：

权利要求：

百度查询： 山东大学 基于扩散模型域适应的深海潜水器故障诊断方法及系统