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：电子科技大学

摘要：本发明公开了一种基于任务编码自适应网络的变流器开路故障诊断方法，先构建多种类型变流器的故障样本、故障编码和任务编码组成的故障样本集基，再构建任务编码自适应网络，提出任务编码自适应网络表征任务编码、故障特征与故障编码之间的函数映射关系，以实现无需模型重复训练的多种变流器类型故障定位，从而降低故障诊断模型的开发周期和训练成本；其次，在任务编码自适应网络中，通过网络结构的优化设计和统一的故障任务编码，以促进不同类别变流器开路故障诊断，提高了故障诊断准确率。

主权项：1.一种基于任务编码自适应网络的变流器开路故障诊断方法，其特征在于，包括以下步骤：1、构建训练数据集；记每个类别的变流器共有m种运行工况和3*nl+1种健康状态，nl代表变流器每相桥臂可能存在的开路故障数量，每个类别的变流器均枚举所有运行工况和健康状态，共计采集得到nk个故障样本，nk＝m*3*nl+1；将ns个不同类别变流器采集到的故障样本构成训练数据集记为Sk表示第k个类别变流器采集到的故障样本集，其中，称为一个故障样本，为第i个故障特征向量、为对应的特定健康状态、为第i个任务编码；其中，故障特征向量获取方式为：在某特定运行工况、特定健康状态条件下，以采样率Cn，持续采样第k个类别变流器在一个周期内三相输入电流信号，组成一个采样序列，然后对采样序列进行归一化处理，得到特征向量 对应的特定健康状态表示为： 且 且 且 任务编码表示为： 且2、构建任务编码自适应网络；任务编码自适应网络包括特征映射模块fmap、任务迁移模块ftt和分类器fc，任务编码自适应网络以和为输入，输出预测的故障编码 其中，θ为任务编码自适应网络中的所有待训练参数；特征映射模块fmap由p个通道加权卷积模块fwc,l,l＝1,2...p串联构成，用于从输入故障特征向量中提取关键故障特征 Owc,p-1＝fwc,p-1Owc,p-2,Ott,p-1；θwc,p-1 Owc,2＝fwc,2Owc,1,Ott,2；θwc,2 任务迁移模块ftt包含p+2个任务编码模块ftt,l,l＝1,2...p+2，用于从任务编码和Owc,l-1中提取不同类别变流器中的故障相关信息Ott,l； 其中，θtt,l为模型待训练参数；分类器fc采用典型的多层感知机神经网络，关键故障特征和任务编码模块ftt,p+1的输出Ott,p+1通过批量正则化BN和特征平铺Flatten得到1维特征向量 其次，和任务编码模块ftt,p+2的输出Ott,p+2通过批量正则化BN、全连接层FSC和Relu激活函数得到特征向量 其中，Wfsc和Bfsc是FSC的待训练模型参数，为Relu激活函数；最后，通过Sofetmax分类函数得到预测的故障编码： 3、训练任务编码自适应网络；3.1、设置训练总次数nep，初始化当前q＝1，q＝1,2,…,nep；3.2、从训练数据集中随机抽取故障样本然后将和输入至任务编码自适应网络，从而预测出的故障编码3.3、计算本轮训练后的损失函数值； 其中，θq-1代表第q-1次循环训练时得到的训练参数，Lc代表交叉熵损失函数；3.4、判断当前迭代次数是否到达最大值nep或损失函数值收敛，如果是，则迭代停止，输出训练完成的任务编码自适应网络；否则，进入步骤3.5；3.5、利用梯度下降法更新网络参数θq； 其中，ηpe为学习速率；3.6、待网络参数更新完成后，令当前迭代次数q＝q+1，然后返回步骤3.2进行下一轮训练；4、在线故障诊断；以采样率Cn，持续采样某个变流器在一个周期内的三相输入电流信号，组成一个采样序列，然后对采样序列归一化处理，得到特征向量x；将特征向量x输入至训练完成的任务编码自适应网络，从而预测出故障编码最后再根据故障编码查阅对应的特定健康状态，实现故障定位。

全文数据：

权利要求：

百度查询： 电子科技大学 基于任务编码自适应网络的变流器开路故障诊断方法