首页|基于改进CNN-GRU网络的多源传感器故障诊断方法

基于改进CNN-GRU网络的多源传感器故障诊断方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
提出一种复杂系统内多源传感器的故障诊断方法.利用多源传感器数据之间的相关性,使用卷积神经网络提取不同传感器之间的联系和特征.在卷积网络中,设计了传感器数据标定模块使得网络更关注学习与故障信号相关的传感器数据.利用循环网络对传感器自身的时序特征建模,引入跳跃连接和辅助损失函数降低网络的训练难度.最后综合时空特征,一次计算得到故障分类结果和故障参数估计.仿真结果表明,改进后的CNN-GRU网络能够实时准确地诊断传感器的固定偏差故障和漂移偏差故障,传感器数据标定模块和跳跃连接的引入有效地提高了诊断算法的准确率和精度.
Multi-Source Sensor Fault Diagnosis Method Based on Improved CNN-GRU Network

马立玲、郭建、汪首坤、王军政

展开 >

北京理工大学自动化学院,北京100081

多源传感器 实时故障诊断 深度学习 卷积神经网络 门控循环单元

国家自然科学基金

61773060

2021

10.15918/j.tbit1001-0645.2020.183

北京理工大学学报
北京理工大学

北京理工大学学报

CSTPCDCSCD北大核心
影响因子：0.609
ISSN：1001-0645
年,卷(期)：2021.41(12)
  • 4
  • 3