【技术实现步骤摘要】
本专利技术属于故障测试领域，尤其是涉及一种少样本数据增强与迁移的电驱动系统故障预测方法。
技术介绍
1、驱动电机系统及其所包含的电驱动总成在测试过程中发生各种类型的故障会导致项目停滞，尤其在项目开发阶段出现会极大的影响生产。电驱动总成故障预测模型作为一种基于机器学习的故障预测方法，用于提前识别和预测可能发生的故障，这种模型通常依赖数据驱动，降低了突发故障的风险。
2、但在实际的测试过程中，故障数据的样本量相对较少，使用深度学习模型所训练得到的精度不佳，无法满足实际应用需求，对此，如何在有效的数据条件下训练出鲁棒的模型，仍然是亟需解决的难题。
技术实现思路
1、有鉴于此，本专利技术旨在提出一种少样本数据增强与迁移的电驱动系统故障预测方法，以期解决上述部分技术问题中的至少之一。
2、为达到上述目的，本专利技术的技术方案是这样实现的：
3、本专利技术第一方面提供了一种少样本数据增强与迁移的电驱动系统故障预测方法，包括：
4、采集电驱动系统在正常工作...
【技术保护点】
1.一种少样本数据增强与迁移的电驱动系统故障预测方法，其特征在于，包括：
2.根据权利要求1所述的一种少样本数据增强与迁移的电驱动系统故障预测方法，其特征在于：
3.根据权利要求1所述的一种少样本数据增强与迁移的电驱动系统故障预测方法，其特征在于：
4.根据权利要求1所述的一种少样本数据增强与迁移的电驱动系统故障预测方法，其特征在于：
5.根据权利要求1所述的一种少样本数据增强与迁移的电驱动系统故障预测方法，其特征在于：
6.根据权利要求1所述的一种少样本数据增强与迁移的电驱动系统故障预测方法，其特征在于：<...
【技术特征摘要】
1.一种少样本数据增强与迁移的电驱动系统故障预测方法，其特征在于，包括：
2.根据权利要求1所述的一种少样本数据增强与迁移的电驱动系统故障预测方法，其特征在于：
3.根据权利要求1所述的一种少样本数据增强与迁移的电驱动系统故障预测方法，其特征在于：
4.根据权利要求1所述的一种少样本数据增强与迁移的电驱动系统故障预测方法，其特征在于：
5.根据权利要求1所述的一种少样本数据增强与迁移的电驱动系统故障预测方法，其特征在于：
6.根据权利要求1所述的一种少样本数据增强与迁移的电驱动系统故障预测方法，其特征在于：
7.根据权利要求1所述的一种少样本数据增强与迁移的电驱动系统故障预测方法，其特征在于...
【专利技术属性】
技术研发人员：张世晨，邱子桢，赵凌霄，闫智彪，黄炘，孔治国，王芳，何鹏林，李晓宇，吴立学，肖智铎，王云，曹冬冬，徐月，张维，李文帅，王宏策，付玉成，马焕胜，季祥，
申请(专利权)人：中汽研新能源汽车检验中心天津有限公司，
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。