基于交叉注意力和自注意力的分类参数分布的故障诊断方法技术

本发明专利技术公开了基于交叉注意力和自注意力的分类参数分布的故障诊断方法，具体步骤为：S1、对于支持集中的每一个样本x，按照序列关系计算位置权重；S2、计算支持集中的每一个样本x加权位置权重后表示；S3、对x

【技术实现步骤摘要】
基于交叉注意力和自注意力的分类参数分布的故障诊断方法


[0001]本专利技术属于故障诊断领域，更具体地说，尤其涉及基于交叉注意力和自注意力的分类参数分布的故障诊断方法。

技术介绍

[0002]目前故障诊断中，主流方法是通过主成分分析、线性判别分析等技术，将输入数据进行有效降维，再根据设备的内在控制机理，寻找合适的中间表示，进行故障诊断，随着深度学习在各个领域的成功应用，逐渐有研究者将如LSTM等模型用于故障诊断中，但鲜少有研究者从小样本分析角度考虑故障诊断的建模，实际上在设备长周期运行中，产生故障的机会很少，因此故障信号和正常信号相比，是少之又少的小样本，将机器学习中的小样本技术用到故障诊断领域，是势在必行的趋势，而目前小样本学习中，较少考虑到序列信号的特点，基本的研究还集中在图像等无时序特点的信号上，至今未见将小样本学习框架用于故障诊断领域中，就小样本学习而言，目前主要是针对图像领域的研究，对如故障等序列信号的研究少见，因此，我们提出基于交叉注意力和自注意力的分类参数分布的故障诊断方法。

技术实现思路

[0003]本专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于交叉注意力和自注意力的分类参数分布的故障诊断方法，其特征在于：该故障诊断方法中，输入为：待诊断的故障数据支持集数据，以及网络参数W，其中W包括g网络参数W
g
和多头交叉注意力机制中的和多头交叉注意力机制中的以及多头自注意力机制输出：的故障类别诊断结果该故障诊断方法的具体步骤为：S1、对于支持集中的每一个样本x，按照序列关系计算位置权重，具体公式为：p
pos
＝cos(pos
×
pi/(2
×
len))；S2、计算支持集中的每一个样本x加权位置权重后表示，具体通过公式x
′
＝x+p
pos
来计算；S3、对x
′
计算对应的多头自注意力机制对应的Q1、K1、V1，具体计算...

【专利技术属性】
技术研发人员：张磊，张清华，宋执环，魏驰航，左利云，
申请(专利权)人：浙江大学，
类型：发明
国别省市：