[發明專利]無人設備故障診斷方法、裝置、設備、存儲介質和產品

在審

• 申請號: 202310097455.9
• 申請日: 2023-01-18
• 公開（公告）號: CN116300796A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 李彥夫;王歡
• 申請（專利權）人: 清華大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 朱五云

本申請涉及一種無人設備故障診斷方法、裝置、設備、存儲介質和產品。所述方法包括：獲取無人設備的運行狀態信息；所述運行狀態信息包括所述無人設備運行過程中所產生的多元狀態信息；將所述運行狀態信息輸入至預設故障診斷模型中進行故障診斷，得到所述無人設備的故障診斷結果；其中，所述預設故障診斷模型基于脈沖卷積神經網絡模型構建，所述脈沖卷積神經網絡模型包括級聯的靜態編碼層、脈沖卷積層和脈沖全連接層。采用本方法能夠及時對無人設備進行故障診斷以保證其安全和可靠的運行。

技術領域

本申請涉及無人設備技術領域，特別是涉及一種無人設備故障診斷方法、裝置、設備、存儲介質和產品。

背景技術

當前，智能無人設備已經越來越自主化和智能化，其在日常生活中得到了廣泛地應用，例如無人機、無人車和無人潛航器等智能無人設備，越來越多地出現在日常生活或一些科研探測項目中。

然而，無人設備在復雜的環境下運行時，一旦其出現故障，將可能導致其運行失敗甚至丟失等問題。因此，如何及時對無人設備進行故障診斷以保證其安全和可靠的運行，是一個亟需解決的問題。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠及時對無人設備進行故障診斷以保證其安全和可靠的運行的無人設備故障診斷方法、裝置、設備、存儲介質和產品。

第一方面，本申請提供了一種無人設備故障診斷方法。該方法包括：

獲取無人設備的運行狀態信息；該運行狀態信息包括該無人設備運行過程中所產生的多元狀態信息；將該運行狀態信息輸入至預設故障診斷模型中進行故障診斷，得到該無人設備的故障診斷結果；其中，該預設故障診斷模型基于脈沖卷積神經網絡模型構建，該脈沖卷積神經網絡模型包括級聯的靜態編碼層、脈沖卷積層和脈沖全連接層。

在其中一個實施例中，將該運行狀態信息輸入至預設故障診斷模型中，得到該無人設備的故障診斷結果，包括：

將該運行狀態信息輸入至該靜態編碼層進行信息編碼處理，得到該靜態編碼層輸出的前脈沖神經元特征圖；將該前脈沖神經元特征圖輸入至該脈沖卷積層進行卷積處理，得到該脈沖卷積層輸出的后脈沖神經元特征圖；將該后脈沖神經元特征圖輸入至該脈沖全連接層進行故障類型映射，得到該脈沖全連接層輸出的目標故障類型，將該目標故障類型作為該故障診斷結果。

在其中一個實施例中，脈沖卷積層包括基于神經元模型的卷積層以及池化層；該將該前脈沖神經元特征圖輸入至該脈沖卷積層進行卷積處理，得到該脈沖卷積層輸出的后脈沖神經元特征圖，包括：

將該前脈沖神經元特征圖輸入至該卷積層中，基于該神經元模型以及目標卷積核對該前脈沖神經元特征圖上的各特征點進行卷積處理，得到各特征點對應的脈沖信息；其中，該目標卷積核基于該神經元模型的神經元突觸權值所構建；將該各特征點對應的脈沖信息與預設脈沖閾值進行對比，并將大于該預設脈沖閾值的脈沖信息輸出，得到該卷積層輸出的中間特征圖；將該中間特征圖輸入至該池化層進行池化處理，得到該池化層輸出的該后脈沖神經元特征圖。

在其中一個實施例中，該預設故障診斷模型包括m個級聯的脈沖卷積層，m為大于1的正整數；若m等于1，則第m個脈沖卷積層的輸入為該靜態編碼層的輸出；若m不等于1，則第m個脈沖卷積層的輸入為第m-1個脈沖卷積層的輸出；該脈沖全連接層的輸入為該m個級聯的脈沖卷積層中最后一個脈沖卷積層的輸出。

在其中一個實施例中，該方法還包括：