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

作     者：黄鹏程 李海艳 林景亮 梁桂铭 HUANG Peng-cheng;LI Hai-yan;LIN Jing-liang;LIANG Gui-ming

作者机构：广东工业大学机电工程学院广东广州510006 

出 版 物：《机电工程》 (Journal of Mechanical & Electrical Engineering)

年 卷 期：2021年第38卷第3期

页      面：331-336页

学科分类：080704[工学-流体机械及工程] 08[工学] 080401[工学-精密仪器及机械] 0807[工学-动力工程及工程热物理] 0804[工学-仪器科学与技术] 

基　　金：国家自然科学基金资助项目(5177050476) 

主　　题：液压系统多状态监测 监测性能 注意力机 多任务网络 

摘      要：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%。