基于轻量级卷积神经网络的舵机控制与诊断方法、装置制造方法及图纸

本申请提供了一种基于轻量级卷积神经网络的舵机控制与诊断方法、装置。所述方法包括：将舵机运动信号输入至全维动态骨干网络进行特征提取，得到第一鲁棒特征；将第一鲁棒特征输入至幻影增强网络进行特征增强，得到第二鲁棒特征；将第二鲁棒特征输入至多分支聚合控制模块进行转动控制分析，得到舵机控制指令，并将第二鲁棒特征输入至残差式全局诊断模块进行故障诊断，得到舵机故障类型。通过本申请方案的实施，利用卷积神经网络的复杂映射表征能力挖掘信号隐含特征，以进行通道和信号维度上的动态特征提取与增强，再分别进行转动控制分析和故障诊断得到控制指令和故障类型，从而有效实现舵机鲁棒控制及精确故障判别。效实现舵机鲁棒控制及精确故障判别。效实现舵机鲁棒控制及精确故障判别。

【技术实现步骤摘要】
基于轻量级卷积神经网络的舵机控制与诊断方法、装置


[0001]本申请涉及舵机操控
，尤其涉及一种基于轻量级卷积神经网络的舵机控制与诊断方法、装置。

技术介绍

[0002]舵机是一种在驾驶仪的操纵面转动的执行部件，舵机作为一种位置(角度)伺服的驱动器，适用于一些需要角度不断变化并可以保持的控制系统，在船舶、航天方面被广泛应用。
[0003]在舵机操纵控制系统中，由于舵机实际工作情况存在复杂动态的情况，舵机运动信号会存在信号噪声大、多层干扰叠加等问题，从而根据获取的舵机运动信号对舵机进行控制的精确性较低，并且，由于舵机自身及周围振源较多，导致舵机故障对应的振动分量被较强的非高斯噪声干扰信号覆盖，从而导致故障诊断的准确性较低；此外，由于舵机操纵控制系统受限于舵机尺寸，且边缘设备算力相对较低、可利用内存资源相对较少，使得对算法部署的实时性能要求严苛。
[0004]因此，如何实现舵机的高精度、实时智能控制与诊断是本领域技术人员亟需解决的问题。

技术实现思路

[0005]本申请的主要目的在于提供一种基于轻量级卷积神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轻量级卷积神经网络的舵机控制与诊断方法，其特征在于，包括：将舵机运动信号输入至全维动态骨干网络进行特征提取，得到第一舵机运动信号鲁棒特征；将所述第一舵机运动信号鲁棒特征输入至幻影增强网络进行特征增强，得到第二舵机运动信号鲁棒特征；将所述第二舵机运动信号鲁棒特征输入至多分支聚合控制模块进行转动控制分析，得到舵机控制指令，并将所述第二舵机运动信号鲁棒特征输入至残差式全局诊断模块进行故障诊断，得到舵机故障类型。2.根据权利要求1所述的舵机控制与诊断方法，其特征在于，所述全维动态骨干网络包括多个网络单元，各所述网络单元均包括全维动态幻影卷积层、第一激活函数以及长度
‑
通道转换层；其中，所述全维动态幻影卷积层为包括幻影卷积、全维动态卷积和恒等映射的卷积层；所述将舵机运动信号输入至全维动态骨干网络进行特征提取，得到第一舵机运动信号鲁棒特征的步骤，包括：将所述舵机运动信号输入至首个所述网络单元的所述全维动态幻影卷积层进行卷积处理，得到第一卷积层输出特征；基于所述第一激活函数，对所述第一卷积层输出特征进行处理，得到第二卷积层输出特征；将所述第二卷积层输出特征输入至首个所述网络单元的所述长度
‑
通道转换层进行处理，得到第一输出特征；其中，所述长度
‑
通道转换层用于将特征长度从长度维度移动至通道维度；依次将上一所述网络单元对应的所述第一输出特征输入至下一所述网络单元，得到第一舵机运动信号鲁棒特征。3.根据权利要求1所述的舵机控制与诊断方法，其特征在于，所述幻影增强网络包括正则化层、多个递归层、第一幻影自注意力模块以及多层感知机；所述将所述第一舵机运动信号鲁棒特征输入至幻影增强网络进行特征增强，得到第二舵机运动信号鲁棒特征的步骤，包括：将所述第一舵机运动信号鲁棒特征输入至所述正则化层进行正则化处理，得到第二输出特征；将所述第二输出特征输入至首个所述递归层，得到第三输出特征；依次将上一所述递归层对应的所述第三输出特征输入至下一所述递归层，得到第四输出特征；将所述第四输出特征输入至所述第一幻影自注意力模块，得到第五输出特征；将所述第一舵机运动信号鲁棒特征以及所述第五输出特征输入至所述正则化层进行正则化处理，得到第六输出特征；将所述第六输出特征输入至所述多层感知机，得到第七输出特征；结合所述第一舵机运动信号鲁棒特征、所述第五输出特征以及所述第七输出特征，得到第二舵机运动信号鲁棒特征。4.根据权利要求3所述的舵机控制与诊断方法，其特征在于，各所述递归层均包括第二
幻影自注意力模块以及自适应加权融合模块；所述将所述第二输出特征输入至首个所述递归层，得到第三输出特征的步骤，包括：将所述第二输出特征输入至首个所述递归层的所述第二幻影自注意力模块，得到第一中间特征；将所述第二输出特征以及所述第一中间特征输入至首个所述递归层的所述自适应加权融合模块，得到第三输出特征。5.根据权利要求4所述的舵机控制与诊断方法，其特征在于，幻影注意力模块包括线性层、全维动态幻影卷积层、相似度操作层以及归一化操作层；所述将所述第二输出特征输入至首个所述递归层的所述第二幻影自注意力模块，得到第一中间特征的步骤，包括：将所述第二输出特征分别输入至首个所述递归层的所述第二幻影自注意力的第一线性层、第二线性层以及第三线性层，分别得到第二中间特征、第三中间特征以及第四中间特征；分别将所述第二中间特征、所述第三中间特征以及所述第四中间特征输入至对应的所述全维动态幻影卷积层进行卷积处理，分别得到第三卷积层输出特征、第四卷积层输出特征以及第五卷积层输出特征；其中，所述第三卷积层输出特征用于匹配其他单元，所述第四卷积层输出特征用于被其他单元匹配，所述第四卷积层输出特征为待提取的特征信息；将所述第三卷积层输出特征以及所述第四卷积层输出特征输入至所述相似度操作层进行相似度计算，得到第五中间特征；将所述第五中间特征输入至所述归一化操作层进行归一化处理，得到第六中间特征；结合所述第二输出特征以及将所述第六中间特征与第四卷积层输出特征进行相乘得到的第七中间特征，得到第一中间特征。6.根据权利要求4所述的舵机控制与诊断方法，其特征在于...

【专利技术属性】
技术研发人员：曹恒胜，路振旺，左浩博，
申请(专利权)人：梅州市金航科技有限公司，
类型：发明
国别省市：