【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于故障辨識領(lǐng)域，具體涉及一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法。
技術(shù)介紹
1、近年來，隨著電力系統(tǒng)的優(yōu)化與大量新能源系統(tǒng)的爆發(fā)式增長，電力設(shè)備作為大型工業(yè)設(shè)備，其價格較高且健康狀況隨時間逐步退化，并且由于其故障樣本采集困難且成本昂貴，給電力設(shè)備故障辨識領(lǐng)域的研究帶來了挑戰(zhàn)。同時電力設(shè)備故障復(fù)雜性與關(guān)聯(lián)性較高，甚至局部故障會引發(fā)全局出現(xiàn)異常。因此如何在電力設(shè)備在線運(yùn)行的狀態(tài)下，利用其產(chǎn)生的多模態(tài)數(shù)據(jù)對故障進(jìn)行精準(zhǔn)辨識與定位成為了當(dāng)前電力設(shè)備故障辨識領(lǐng)域亟待解決的難題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的在于解決單一模態(tài)數(shù)據(jù)無法實(shí)現(xiàn)精準(zhǔn)的電力設(shè)備故障辨識問題，提供一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，提高模型計算效率，節(jié)省計算成本，并提高模型的泛用性和辨識精度。
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)的技術(shù)方案是：一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，包括：
3、構(gòu)建基于不同粒度級別故障辨識的多模態(tài)融合網(wǎng)絡(luò)；
4、訓(xùn)練優(yōu)化基于不同粒度級別故障辨識的多模態(tài)融合網(wǎng)絡(luò)，實(shí)現(xiàn)不同粒度級別故障辨識。
5、在本專利技術(shù)一實(shí)施例中，基于不同粒度級別故障辨識的多模態(tài)融合網(wǎng)絡(luò)，包括模態(tài)級決策dynmm單元、融合級決策dynmm單元。
6、在本專利技術(shù)一實(shí)施例中，所述模態(tài)級決策dynmm單元，具體實(shí)現(xiàn)如下：
7、設(shè)輸入數(shù)據(jù)有m種模態(tài)，輸入表示為x＝(x1,x2,...,xm)；
8、遵循專家混合moe框架，
9、提出一種門控網(wǎng)絡(luò)g(x)，來決定所要激活的專家網(wǎng)絡(luò)，門控網(wǎng)絡(luò)g(x)采用多模態(tài)輸入x形成全局視圖，然后生成b維稀疏向量g作為輸出，最終輸出y的形式為：
10、
11、其中，b為被選擇的專家網(wǎng)絡(luò)的數(shù)量，gi為稀疏向量，xi表示第i個專家作為輸入的模態(tài)子集，ei為第i個專家網(wǎng)絡(luò)；上述公式中，稀疏向量g輸出的是one-hot編碼，即每個故障實(shí)例僅需選擇一個分支，因此，在每次網(wǎng)絡(luò)向前傳遞時，僅選擇一個分支進(jìn)行計算。
12、在本專利技術(shù)一實(shí)施例中，門控網(wǎng)絡(luò)g(x)的輸入包括輸入級特征、每種模態(tài)的中間特征。
13、在本專利技術(shù)一實(shí)施例中，所述融合級決策dynmm單元，具體實(shí)現(xiàn)如下：
14、構(gòu)建融合單元：設(shè)輸入數(shù)據(jù)有m種模態(tài)，即x＝(x1,x2,...,xm)，將一組融合操作表示為{oi}，oi實(shí)現(xiàn)為任何函數(shù)來融合多模態(tài)特征的融合操作；融合單元的輸出h表示為：
15、
16、其中，b為操作總數(shù)，oi為第i種融合操作；每個融合單元中單獨(dú)的門控網(wǎng)絡(luò)g(x)接受多模態(tài)輸入，并生成決定執(zhí)行相應(yīng)融合操作的b維稀疏向量g，稀疏向量g輸出的是one-hot編碼；
17、通過堆疊融合單元，并交錯使用靜態(tài)特征提取塊，構(gòu)建融合級決策dynmm單元，同時，每個融合單元中單獨(dú)的門控網(wǎng)絡(luò)g(x)替換為全局門控網(wǎng)絡(luò)
18、在本專利技術(shù)一實(shí)施例中，融合單元具有兩種輸入模式：x＝(x1,x2))和三種操作：o1＝x1、o2＝x1+x2、o3＝w1x1+w2x2，其中w1和w2是可學(xué)習(xí)參數(shù)。
19、在本專利技術(shù)一實(shí)施例中，在不同粒度級別故障辨識的多模態(tài)融合網(wǎng)絡(luò)訓(xùn)練中引入資源感知損失函數(shù)：
20、
21、其中，c(ei)表示執(zhí)行專家網(wǎng)絡(luò)ei的計算成本，ltask表示任務(wù)損失，λ是控制兩個損失項相對重要性的超參數(shù)。
22、在本專利技術(shù)一實(shí)施例中，在不同粒度級別故障辨識的多模態(tài)融合網(wǎng)絡(luò)訓(xùn)練中引入資源感知損失函數(shù)：
23、
24、其中，c(oi,j)表示第j個單元中第i個融合操作的計算成本，ltask表示任務(wù)損失，表示第j個融合單元給出的決策向量，f是融合單元數(shù)量，λ是控制兩個損失項相對重要性的超參數(shù)。
25、在本專利技術(shù)一實(shí)施例中，訓(xùn)練優(yōu)化基于不同粒度級別故障辨識的多模態(tài)融合網(wǎng)絡(luò)，具體實(shí)現(xiàn)如下：
26、第一步、預(yù)訓(xùn)練：對于模態(tài)級決策dynmm單元，充分訓(xùn)練模態(tài)級決策dynmm單元的每個專家網(wǎng)絡(luò)；對于融合級決策dynmm單元，對融合級決策dynmm單元的每個融合單元采用隨機(jī)決策；
27、第二步、微調(diào)：訓(xùn)練過程中，采用兩種訓(xùn)練技術(shù)：其一，在資源感知函數(shù)中使用軟代替硬g，以實(shí)現(xiàn)反向傳播；其二，遵循straight-through技術(shù)，在前向傳播中采用硬g，在后向傳播中采用軟梯度近似為通過兩種訓(xùn)練技術(shù)完成網(wǎng)絡(luò)參數(shù)的更新。
28、本專利技術(shù)還提供了一種計算機(jī)可讀存儲介質(zhì)，其上存儲有能夠被處理器運(yùn)行的計算機(jī)程序指令，當(dāng)處理器運(yùn)行該計算機(jī)程序指令時，能夠?qū)崿F(xiàn)如上述所述的方法步驟。
29、相較于現(xiàn)有技術(shù)，本專利技術(shù)具有以下有益效果：本專利技術(shù)在推理訓(xùn)練過程中生成依賴于數(shù)據(jù)的前向路徑，解決傳統(tǒng)的靜態(tài)多模態(tài)融合方法難以平衡不同模態(tài)的不同計算需求所造成的資源浪費(fèi)問題，提高模型計算效率，節(jié)省計算成本；針對不同粒度級別的故障辨識問題，提出兩種基于門控網(wǎng)絡(luò)dynmm算法，使其不僅能解決如二分類等簡單的故障識別任務(wù)，還可用于完成類似語義分割的更高難度的多模態(tài)融合故障辨識問題，并提高模型的泛用性和辨識精度。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，基于不同粒度級別故障辨識的多模態(tài)融合網(wǎng)絡(luò)，包括模態(tài)級決策DynMM單元、融合級決策DynMM單元。
3.根據(jù)權(quán)利要求2所述的一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，所述模態(tài)級決策DynMM單元，具體實(shí)現(xiàn)如下：
4.根據(jù)權(quán)利要求3所述的一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，門控網(wǎng)絡(luò)G(x)的輸入包括輸入級特征、每種模態(tài)的中間特征。
5.根據(jù)權(quán)利要求2所述的一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，所述融合級決策DynMM單元，具體實(shí)現(xiàn)如下：
6.根據(jù)權(quán)利要求5所述的一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，融合單元具有兩種輸入模式：x＝(x1,x2))和三種操作：O1＝x1、O2＝x1+x2、O3＝w1x1+w2x2，其中w1和w2是可學(xué)習(xí)參數(shù)。
7.根據(jù)權(quán)利要求3所述的一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特
8.根據(jù)權(quán)利要求5所述的一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，在不同粒度級別故障辨識的多模態(tài)融合網(wǎng)絡(luò)訓(xùn)練中引入資源感知損失函數(shù)：
9.根據(jù)權(quán)利要求2所述的一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，訓(xùn)練優(yōu)化基于不同粒度級別故障辨識的多模態(tài)融合網(wǎng)絡(luò)，具體實(shí)現(xiàn)如下：
10.一種計算機(jī)可讀存儲介質(zhì)，其上存儲有能夠被處理器運(yùn)行的計算機(jī)程序指令，當(dāng)處理器運(yùn)行該計算機(jī)程序指令時，能夠?qū)崿F(xiàn)如權(quán)利要求1-9任一所述的方法步驟。
...【技術(shù)特征摘要】
1.一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，基于不同粒度級別故障辨識的多模態(tài)融合網(wǎng)絡(luò)，包括模態(tài)級決策dynmm單元、融合級決策dynmm單元。
3.根據(jù)權(quán)利要求2所述的一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，所述模態(tài)級決策dynmm單元，具體實(shí)現(xiàn)如下：
4.根據(jù)權(quán)利要求3所述的一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，門控網(wǎng)絡(luò)g(x)的輸入包括輸入級特征、每種模態(tài)的中間特征。
5.根據(jù)權(quán)利要求2所述的一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，所述融合級決策dynmm單元，具體實(shí)現(xiàn)如下：
6.根據(jù)權(quán)利要求5所述的一種基于動態(tài)多模態(tài)融合網(wǎng)絡(luò)的故障辨識方法，其特征在于，融合單...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：武欣欣，黃建業(yè)，廖飛龍，吳麗進(jìn)，劉冰倩，林金榕，楊彥，翁宇游，
申請(專利權(quán))人：國網(wǎng)福建省電力有限公司電力科學(xué)研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。