【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測，具體為一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法。
技術(shù)介紹
1、大口徑天線系統(tǒng)主要用于天文觀測和深空探測領(lǐng)域，其核心任務(wù)是精準(zhǔn)的跟蹤深空目標(biāo)。但隨著對更遠(yuǎn)目標(biāo)的探索需求以及更多信息的獲取需求被提出，天線的口徑及體積愈來愈大使得原本微弱的系統(tǒng)故障影響被驟然放大，這就需要在現(xiàn)場開展階段，及早通過天線健康管理模塊對天線安裝調(diào)試過程中產(chǎn)生的伺服控制系統(tǒng)數(shù)據(jù)處理并分析，識別出存在的故障，降低后期嚴(yán)重故障的發(fā)生。
2、天線伺服控制“間歇性紊亂”故障現(xiàn)象，表現(xiàn)為天線運(yùn)轉(zhuǎn)過程中出現(xiàn)間歇性的失控而偏離正常軌道，隨著多級傳動的放大，會引起嚴(yán)重的機(jī)構(gòu)精度損傷，但該故障發(fā)生在天線初期完成初級轉(zhuǎn)動裝置時卻并不直觀，給定調(diào)試轉(zhuǎn)速指令，天線可以在正反方向均轉(zhuǎn)動正常，即便是資深專家人為對采集數(shù)據(jù)進(jìn)行監(jiān)測，也需要花費(fèi)大量時間對多個數(shù)據(jù)分別處理并聯(lián)合比對分析來判斷，為了提高效率，有研究將機(jī)器學(xué)習(xí)的方法應(yīng)用到類似場景的故障診斷中來，但該類方法可處理的數(shù)據(jù)形式單一，且這些方法沒有考慮相關(guān)數(shù)據(jù)之間的耦合以及前后因素的關(guān)聯(lián)，限制了其應(yīng)用。
技術(shù)實(shí)現(xiàn)思路
1、針對現(xiàn)有技術(shù)存在的可處理數(shù)據(jù)形式單一，未考慮數(shù)據(jù)之間的耦合以及前后因素的關(guān)聯(lián)等問題，本專利技術(shù)提出了一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法，包括以下步驟：
2、步驟1：啟動完成初步調(diào)試的天線進(jìn)行勻速轉(zhuǎn)動，并采集天線伺服控制系統(tǒng)多模態(tài)數(shù)據(jù)；并對采集的多模態(tài)數(shù)據(jù)
3、步驟2：對采集的多模態(tài)數(shù)據(jù)進(jìn)行權(quán)重融合和對齊，具體包括以下步驟：
4、步驟2.1：完成δt時間段的各模態(tài)數(shù)據(jù)采集后，將采集到的各個模態(tài)數(shù)據(jù)拼接成行列一致對齊的數(shù)據(jù)矩陣；
5、步驟2.2：確定各模態(tài)數(shù)據(jù)融合前的通道數(shù)，其中第i個模態(tài)數(shù)據(jù)的通道數(shù)
6、ci＝f(hi,wi,γi,μi)
7、其中，ci是通道數(shù)，與四個輸入信息均為正相關(guān)，四個輸入信息為第i個模態(tài)數(shù)據(jù)矩陣的行數(shù)hi、維度wi、單模態(tài)數(shù)據(jù)-故障之間的線性相關(guān)性系數(shù)γi以及設(shè)定的第i個模態(tài)數(shù)據(jù)重要性指標(biāo)μi；
8、步驟2.3：批量采集n個δt時間段內(nèi)的各模態(tài)數(shù)據(jù)，并對每個模態(tài)數(shù)據(jù)xi的j維度數(shù)據(jù)xij進(jìn)行歸一化操作；歸一化時，統(tǒng)計所有n個時刻的xij的最大值和最小值歸一化后的在后續(xù)新樣本操作中，如果出現(xiàn)超出范圍的數(shù)值，先約束到該范圍內(nèi)再歸一化；
9、步驟2.4：建映射關(guān)系，完成數(shù)據(jù)的對齊；
10、步驟3：建立故障檢測模型；所述故障檢測模型包括基礎(chǔ)層單模態(tài)數(shù)據(jù)處理環(huán)節(jié)、中間層多模態(tài)數(shù)據(jù)融合環(huán)節(jié)和頂層故障檢測環(huán)節(jié)；
11、基礎(chǔ)層單模態(tài)數(shù)據(jù)處理環(huán)節(jié)包括基礎(chǔ)backbone網(wǎng)絡(luò)和注意力模塊；通過基礎(chǔ)層單模態(tài)數(shù)據(jù)處理環(huán)節(jié)對各個單模態(tài)數(shù)據(jù)進(jìn)行各自的特征提取；
12、中間層多模態(tài)數(shù)據(jù)融合環(huán)節(jié)包括中間層backbone網(wǎng)絡(luò)和注意力模塊；通過中間層多模態(tài)數(shù)據(jù)融合環(huán)節(jié)對特征通道拼接得到融合后的特征進(jìn)行特征提取；
13、頂層故障檢測環(huán)節(jié)通過head網(wǎng)絡(luò)完成δt時間段內(nèi)的故障檢測；head網(wǎng)絡(luò)輸出為d+1維度的one-hot向量，其中d為故障類別數(shù)量，1對應(yīng)于無故障的輸出維度；
14、步驟4：利用樣本數(shù)據(jù)，對步驟3建立的故障檢測模型進(jìn)行訓(xùn)練；
15、步驟5：對步驟4訓(xùn)練得到的故障檢測模型進(jìn)行網(wǎng)絡(luò)剪枝、知識蒸餾，得到精簡網(wǎng)絡(luò)結(jié)構(gòu)；
16、步驟6：利用經(jīng)過步驟5精簡處理后的故障檢測模型，對大口徑天線系統(tǒng)健康狀態(tài)進(jìn)行監(jiān)測評估，并在監(jiān)測評估過程中借鑒時序數(shù)據(jù)處理網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行時序狀態(tài)更新，并進(jìn)一步優(yōu)化監(jiān)測評估結(jié)果。
17、進(jìn)一步的，步驟1中，采集的多模態(tài)數(shù)據(jù)包括天線旋轉(zhuǎn)驅(qū)動電機(jī)的電流、天線轉(zhuǎn)速、天線軸角、天線轉(zhuǎn)動系統(tǒng)編碼器的源碼粗值和源碼精值。
18、進(jìn)一步的，步驟2.2中，單模態(tài)數(shù)據(jù)-故障之間的線性相關(guān)性系數(shù)γi通過以下過程得到：
19、對于某一模態(tài)數(shù)據(jù)，建立單模態(tài)數(shù)據(jù)和故障標(biāo)簽之間的簡單線性模型，訓(xùn)練模型并評估檢測準(zhǔn)確率，將檢測準(zhǔn)確率作為單模態(tài)數(shù)據(jù)-故障之間的線性相關(guān)性系數(shù)γi。
20、進(jìn)一步的，步驟2.4中映射關(guān)系采用投影函數(shù)、全連接神經(jīng)網(wǎng)絡(luò)或者插值縮放函數(shù)。
21、進(jìn)一步的，步驟2.4具體過程為：
22、設(shè)定所有模態(tài)數(shù)據(jù)矩陣對齊后的高和寬為h和w，則每一模態(tài)數(shù)據(jù)xi的映射關(guān)系為
23、
24、其中，h和w均為可學(xué)習(xí)的映射矩陣，其維度分別為h×hi和wi×w；
25、然后對模態(tài)數(shù)據(jù)采用ci個1×1的卷積，在行列保持對齊后不變的情況下，完成通道數(shù)從1到ci的擴(kuò)展，得到權(quán)重融合和對齊后的各個模態(tài)的三維特征數(shù)據(jù)。
26、進(jìn)一步的，步驟4訓(xùn)練過程中，對輸入數(shù)據(jù)和中間層特征均進(jìn)行加噪處理。
27、進(jìn)一步的，步驟5中，在知識蒸餾過程中，網(wǎng)絡(luò)的損失函數(shù)設(shè)置過程為：
28、根據(jù)基礎(chǔ)backbone模塊和中間層backbone模塊中各層網(wǎng)絡(luò)的情況，分別把他們按網(wǎng)絡(luò)層組合的方式拆成r和k個串行分拆模塊，并定義未剪枝模型和剪枝后模型的對應(yīng)模塊之間的損失函數(shù)，其中總的損失函數(shù)定義為：
29、ltotal＝lbase+lmiddle+lhead
30、其中，lbase和lmiddle為分拆模塊損失，采用kl散度作為損失函數(shù)：
31、
32、lhead為head網(wǎng)絡(luò)輸出和真值之間的損失函數(shù)。
33、進(jìn)一步的，步驟6中，采用中間層多模態(tài)數(shù)據(jù)融合環(huán)節(jié)的注意力模塊作為時序狀態(tài)更新模塊，在各個時間段δti+1內(nèi)，時序狀態(tài)更新模塊獨(dú)立運(yùn)行，僅對其輸出進(jìn)行時序更新：
34、gi+1(θ)＝λgi+1(θ)+(1-λ)gi(θ)
35、其中，gi+1(θ)為更新后的時序狀態(tài)更新模塊輸出，gi(θ)為更新前的上一個時間段內(nèi)時序狀態(tài)更新模塊輸出，gi+1(θ)為當(dāng)前δti+1時間段的單時間段內(nèi)的時序狀態(tài)更新模塊輸出，λ為介于0-1之間的權(quán)重系數(shù)。
36、有益效果
37、本專利技術(shù)對大口徑天線系統(tǒng)前后關(guān)聯(lián)相互耦合的多模態(tài)數(shù)據(jù)進(jìn)行全面考察，采用了深度學(xué)習(xí)技術(shù)設(shè)計了具有解耦合效果的網(wǎng)絡(luò)模塊，即先在前幾層獨(dú)立提取各個類型數(shù)據(jù)的特征，然后再融合，實(shí)現(xiàn)高精度的檢測質(zhì)量；而且通過對相關(guān)因素的影響權(quán)重分析，輔助問題查找判斷，實(shí)現(xiàn)智能調(diào)試。本專利技術(shù)對于大口徑天線裝調(diào)現(xiàn)場工作效能提升，在實(shí)施初期階段就降低故障隱患，奠定后期穩(wěn)定運(yùn)維基礎(chǔ)，提供了有效的手段。
38、本專利技術(shù)的附加方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本專利技術(shù)的實(shí)踐了解到。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法，其特征在于：步驟1中，采集的多模態(tài)數(shù)據(jù)包括天線旋轉(zhuǎn)驅(qū)動電機(jī)的電流、天線轉(zhuǎn)速、天線軸角、天線轉(zhuǎn)動系統(tǒng)編碼器的源碼粗值和源碼精值。
3.根據(jù)權(quán)利要求1所述一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法，其特征在于：步驟2.2中，單模態(tài)數(shù)據(jù)-故障之間的線性相關(guān)性系數(shù)γi通過以下過程得到：
4.根據(jù)權(quán)利要求1所述一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法，其特征在于：步驟2.4中映射關(guān)系采用投影函數(shù)、全連接神經(jīng)網(wǎng)絡(luò)或者插值縮放函數(shù)。
5.根據(jù)權(quán)利要求4所述一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法，其特征在于：步驟2.4具體過程為：
6.根據(jù)權(quán)利要求1所述一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法，其特征在于：步驟4訓(xùn)練過程中，對輸入數(shù)據(jù)和中間層特征均進(jìn)行加噪處理
7.根據(jù)權(quán)利要求1所述一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法，其特征在于：步驟5中，在知識蒸餾過程中，網(wǎng)絡(luò)的損失函數(shù)設(shè)置過程為：
8.根據(jù)權(quán)利要求1所述一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法，其特征在于：步驟6中，采用中間層多模態(tài)數(shù)據(jù)融合環(huán)節(jié)的注意力模塊作為時序狀態(tài)更新模塊，在各個時間段Δti+1內(nèi)，時序狀態(tài)更新模塊獨(dú)立運(yùn)行，僅對其輸出進(jìn)行時序更新：
...【技術(shù)特征摘要】
1.一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法，其特征在于：步驟1中，采集的多模態(tài)數(shù)據(jù)包括天線旋轉(zhuǎn)驅(qū)動電機(jī)的電流、天線轉(zhuǎn)速、天線軸角、天線轉(zhuǎn)動系統(tǒng)編碼器的源碼粗值和源碼精值。
3.根據(jù)權(quán)利要求1所述一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法，其特征在于：步驟2.2中，單模態(tài)數(shù)據(jù)-故障之間的線性相關(guān)性系數(shù)γi通過以下過程得到：
4.根據(jù)權(quán)利要求1所述一種基于多模態(tài)數(shù)據(jù)和深度學(xué)習(xí)的大口徑天線系統(tǒng)健康狀態(tài)監(jiān)測評估方法，其特征在于：步驟2.4中映射關(guān)系采用投影函數(shù)、全連接神經(jīng)網(wǎng)絡(luò)或者插值縮放函數(shù)。
5.根據(jù)權(quán)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉波，趙武林，賀更新，駱丹華，侯錦，楊發(fā)，劉劍，王智慧，王昌淼，郭文，
申請(專利權(quán))人：中國電子科技集團(tuán)公司第三十九研究所，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。