龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：北京理工大学长三角研究院(嘉兴);北京理工大学
摘要：本发明公开了一种基于自演进扰动感知网络的数据缺失重构方法，包括利用多个并行的自学习特征提取网络提取完备数据集中的故障特征，并构建先验加权机制以保留数据的时频域特性和均值信息，同时预测数据的可变方差；基于先验加权机制，利用数据重构网络生成完整的重构数据，并设置约束条件，确保重构样本尽可能接近真实数据；针对高缺失率可能导致的网络偏差和特征退化问题，设计基于扰动感知的特征正则化方法；为解决近似下界问题，采用低差异序列蒙特卡罗采样优化模型的准确性，通过自适应梯度下降算法调整模型参数。本发明有效地解决了特种装备在多传感器信息融合故障诊断背景下的数据缺失问题，并能在数据大量缺失的情况下实现高精度数据重构。
主权项：1.一种基于自演进扰动感知网络的数据缺失重构方法，其特征在于，包括以下阶段；数据预处理与初始模型训练阶段：获取特种装备的基础故障数据集样本，并将其分为完备数据集与缺失数据集，构建多个并行的自学习特征提取网络以及先验加权机制，并通过完备数据集对自学习特征提取网络和先验加权机制进行初始训练；数据重构与生成样本构建阶段：将缺失数据集和初始训练后的真实样本特征编码作为数据重构网络的输入，生成完整的重构数据，设置约束条件，将重构数据作为候选重构数据，判断候选重构数据是否接近真实数据，若满足约束条件，则将候选重构数据输入生成样本特征编码器，得到生成样本，若不满足，则返回数据重构网络，重新生成重构数据；自演进扰动感知阶段：将真实样本与生成样本构建为一个公共数据集，通过特征正则化扰动网络对公共数据集进行两层正则化扰动；模型优化与输出阶段：采用自适应梯度下降法对特征正则化扰动网络的参数进行更新，并通过低差异序列蒙特卡罗采样方法最大化自演进扰动感知网络模型下界，最终得到完整的特种装备故障数据集。
全文数据：
权利要求：
百度查询： 北京理工大学长三角研究院(嘉兴) 北京理工大学 基于自演进扰动感知网络的数据缺失重构方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号