基于注意力机-多任务网络的液压系统多状态监测识别方法研究

简介

针对在复杂的多状态条件下,液压系统状态监测方法监测性能不高的问题,对多任务学习和注意力机制方法进行了研究,结合多任务与注意力机制,提出了一种基于注意力机多任务网络的液压系统监测方法。首先,利用注意力机制,根据不同传感器信号对任务贡献程度的大小,赋予了各个传感器不同的权重;其次,使用卷积网络(CNN)构建了自适应特征提取器,从赋予权重的多个传感器信号中提取了深度特征;最后,建立了多任务的特征共享诊断网络,实现了对液压系统多个状态的同时监测。研究结果表明:与以往的方法相比,所提出的方法监测性能更优,能更有效地对复杂的多状态条件下的液压系统的各种状态进行监测,且其平均精度达到99.3%。