无人设备故障诊断方法、装置、设备、存储介质和产品制造方法及图纸

本申请涉及一种无人设备故障诊断方法、装置、设备、存储介质和产品。所述方法包括：获取无人设备的运行状态信息；所述运行状态信息包括所述无人设备运行过程中所产生的多元状态信息；将所述运行状态信息输入至预设故障诊断模型中进行故障诊断，得到所述无人设备的故障诊断结果；其中，所述预设故障诊断模型基于脉冲卷积神经网络模型构建，所述脉冲卷积神经网络模型包括级联的静态编码层、脉冲卷积层和脉冲全连接层。采用本方法能够及时对无人设备进行故障诊断以保证其安全和可靠的运行。行故障诊断以保证其安全和可靠的运行。行故障诊断以保证其安全和可靠的运行。

【技术实现步骤摘要】
无人设备故障诊断方法、装置、设备、存储介质和产品


[0001]本申请涉及无人设备
，特别是涉及一种无人设备故障诊断方法、装置、设备、存储介质和产品。

技术介绍

[0002]当前，智能无人设备已经越来越自主化和智能化，其在日常生活中得到了广泛地应用，例如无人机、无人车和无人潜航器等智能无人设备，越来越多地出现在日常生活或一些科研探测项目中。
[0003]然而，无人设备在复杂的环境下运行时，一旦其出现故障，将可能导致其运行失败甚至丢失等问题。因此，如何及时对无人设备进行故障诊断以保证其安全和可靠的运行，是一个亟需解决的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够及时对无人设备进行故障诊断以保证其安全和可靠的运行的无人设备故障诊断方法、装置、设备、存储介质和产品。
[0005]第一方面，本申请提供了一种无人设备故障诊断方法。该方法包括：
[0006]获取无人设备的运行状态信息；该运行状态信息包括该无人设备运行过程中所产生的多元状态信息；将该运行状态信息输入至预设故障诊断模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人设备故障诊断方法，其特征在于，所述方法包括：获取无人设备的运行状态信息；所述运行状态信息包括所述无人设备运行过程中所产生的多元状态信息；将所述运行状态信息输入至预设故障诊断模型中进行故障诊断，得到所述无人设备的故障诊断结果；其中，所述预设故障诊断模型基于脉冲卷积神经网络模型构建，所述脉冲卷积神经网络模型包括级联的静态编码层、脉冲卷积层和脉冲全连接层。2.根据权利要求1所述的方法，其特征在于，所述将所述运行状态信息输入至预设故障诊断模型中，得到所述无人设备的故障诊断结果，包括：将所述运行状态信息输入至所述静态编码层进行信息编码处理，得到所述静态编码层输出的前脉冲神经元特征图；将所述前脉冲神经元特征图输入至所述脉冲卷积层进行卷积处理，得到所述脉冲卷积层输出的后脉冲神经元特征图；将所述后脉冲神经元特征图输入至所述脉冲全连接层进行故障类型映射，得到所述脉冲全连接层输出的目标故障类型，将所述目标故障类型作为所述故障诊断结果。3.根据权利要求2所述的方法，其特征在于，所述脉冲卷积层包括基于神经元模型的卷积层以及池化层；所述将所述前脉冲神经元特征图输入至所述脉冲卷积层进行卷积处理，得到所述脉冲卷积层输出的后脉冲神经元特征图，包括：将所述前脉冲神经元特征图输入至所述卷积层中，基于所述神经元模型以及目标卷积核对所述前脉冲神经元特征图上的各特征点进行卷积处理，得到各所述特征点对应的脉冲信息；其中，所述目标卷积核基于所述神经元模型的神经元突触权值所构建；将所述各特征点对应的脉冲信息与预设脉冲阈值进行对比，并将大于所述预设脉冲阈值的脉冲信息输出，得到所述卷积层输出的中间特征图；将所述中间特征图输入至所述池化层进行池化处理，得到所述池化层输出的所述后脉冲神经元特征图。4.根据权利要求1至3任一所述的方法，其特征在于，所述预设故障诊断模型包括m个级联的脉冲卷积层，m为大于1的正整数；若m等于1，则第m个脉冲卷积层的输入为所述静态编码层的输出；若m不等于1，则第m个脉冲卷积层的输入为第m
‑
1个脉冲卷积层的输出；所述脉冲全连接层的输入为所述m个级联的脉冲卷积层中最后一个脉冲卷积层的输出。5.根据权利要求1至3任一所述的方法，其特征在于，所述方法还包括：获取训练数据集；所述训练数据集中包括所述无人...

【专利技术属性】
技术研发人员：李彦夫，王欢，
申请(专利权)人：清华大学，
类型：发明
国别省市：