【技术实现步骤摘要】
故障诊断模型的建立方法和故障诊断方法
[0001]本专利技术涉及人工智能
，尤其涉及一种故障诊断模型的建立方法和故障诊断方法。
技术介绍
[0002]基于人工智能的图像或声音识别技术被广泛应用于机械零件的故障检测中，在进行识别前，一般需要通过软阈值法对图像进行降噪处理，但该方法降噪精度较低，且适配性较差。相关技术中，设计出了基于注意力机制的模型来进行降噪处理，注意力机制往往需要占用较大的计算资源，难以适用于小型化设备。
技术实现思路
[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种故障诊断模型的建立方法，以降低模型对硬件设备和网络带宽的要求。
[0004]本专利技术还提出一种故障诊断方法。
[0005]本专利技术还提出一种故障诊断模型的建立装置。
[0006]本专利技术还提出一种故障诊断装置。
[0007]本专利技术还提出一种电子设备。
[0008]本专利技术还提出一种非暂态计算机可读存储介质。
[0009]本专利技...
【技术保护点】
【技术特征摘要】
1.一种故障诊断模型的建立方法，其特征在于，故障诊断模型包括多个降噪处理模块，所述降噪处理模块包括目标分段线性函数，所述目标分段线性函数的斜率基于待诊断对象特征进行注意力转换得到，所述方法包括：对经过训练的当前故障诊断模型，在所述多个降噪处理模块中的目标降噪处理模块对应的目标斜率小于目标梯度的情况下，删除所述目标降噪处理模块的所述目标斜率对应的注意力模块，得到新的故障诊断模型；在经过训练的新的故障诊断模型的测试精度不大于目标精度的情况下，将最后一次满足测试精度大于目标精度的故障诊断模型作为目标故障诊断模型；其中，所述待诊断对象特征为待诊断图像特征或待诊断声音特征。2.根据权利要求1所述的故障诊断模型的建立方法，其特征在于，在所述得到新的故障诊断模型之后，且在所述将最后一次测试精度大于目标精度的故障诊断模型作为目标故障诊断模型之前，所述方法还包括：在经过训练的新的故障诊断模型的测试精度大于目标精度的情况下，将所述新的故障诊断模型作为当前故障诊断模型，并增大所述目标梯度。3.根据权利要求1所述的故障诊断模型的建立方法，其特征在于，所述目标分段线性函数的参数包括阈值、在所述阈值内的第一斜率、在所述阈值外的第二斜率及第三斜率；所述在所述多个降噪处理模块中的目标降噪处理模块对应的目标斜率小于目标梯度的情况下，删除所述目标降噪处理模块的所述目标斜率对应的注意力模块，得到新的故障诊断模型，包括：在所述目标降噪处理模块对应的所述第一斜率、所述第二斜率及所述第三斜率中的目标斜率小于目标梯度的情况下，删除所述目标降噪处理模块的所述目标斜率对应的注意力模块，得到新的故障诊断模型。4.根据权利要求3所述的故障诊断模型的建立方法，其特征在于，所述第一斜率、所述第二斜率及所述第三斜率通过如下方法确定：将所述待诊断对象特征输入至所述降噪处理模块的第一子处理层，所述第一子处理层对所述待诊断对象特征进行特征提取，输出多组第一对象特征；将所述多组第一对象特征输入至所述降噪处理模块的第二子处理层，所述第二子处理层对所述多组第一对象特征进行注意力转换，输出所述第一斜率、所述第二斜率及所述第三斜率。5.根据权利要求1
‑
4中任一项所述的故障诊断模型的建立方法，其特征在于，在训练当前故障诊断模型之前，所述方法还包括：构建初始故障诊断模型，所述初始故障诊断模型包括顺次连接的特征提取模块、多个降噪处理模块和识别模块，所述特征提取模块用于从输入的待诊断对象提取待诊断对象特征，所述降噪处理模块用于基于输入的待诊断对象特征输出第二对象特征，所述识别模块用于基于输入的第二对象特输出故障诊断结果；训练所述初始故障诊断模型，并获取训练好的初始故障诊断模型中的所述降噪处理模块对应的所述目标分段线性函数的阈值；删除所述初始故障诊断模型中，阈值大于目标值的降噪处理模块，得到所述当前故障诊断模型...
【专利技术属性】
技术研发人员：陈磊，张明扬，陈蔚，全永兵，
申请(专利权)人：芜湖美的厨卫电器制造有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。