基于多传感器信息融合与迁移学习的促动器故障诊断方法

    公开(公告)号:CN117009916A

    公开(公告)日:2023-11-07

    申请号:CN202310753177.8

    申请日:2023-06-25

    摘要: 本发明提供了一种基于多传感器信息融合与迁移学习的促动器故障诊断方法,通过获取待诊断的促动器在工作状态下的振动加速度信号;将振动加速度信号通过预先训练好的故障诊断模型进行信号特征提取、信号特征融合以及故障类型预测,得到预先训练好的故障诊断模型输出的故障类型的概率分布;选择概率最高的故障类型确定为待诊断的促动器的故障类型。由于本发明的故障诊断模型采用多传感器信息融合和迁移学习技术,能够充分利用促动器传动系统的多维度信息,从而提高故障诊断的准确性和可靠性。此外,基于迁移学习方法能够有效地利用已有数据集的知识,提高促动器传动系统故障诊断模型的泛化能力,从而适用于更加复杂的工况和环境。

    一种基于最佳拟合精度的反射面天线促动器布局方法

    公开(公告)号:CN117540514A

    公开(公告)日:2024-02-09

    申请号:CN202311468238.2

    申请日:2023-11-06

    IPC分类号: G06F30/18 G06F30/23

    摘要: 本发明公开了一种基于最佳拟合精度的反射面天线促动器布局方法,包括:获取仰天工况和指平工况下反射面变形的平均值,并对不同俯仰角的反射面变形进行预调;将预调后的变形反射面通过平移和旋转得到最佳逼近理想反射面,获取最大误差分布范围,确定与反射面对应设置的促动器的布局方案;确定反射面天线处于仰天工况时的调整目标面,获取反射面天线处于仰天工况时促动器的调整量;获取反射面天线处于仰天工况时的调整精度;更新预设的误差临界值,并对应更新调整精度,直至获取全部工况下调整精度随预设的误差临界值变化的曲线;根据工程要求的调整精度,在曲线上得到对应的误差临界值,获取促动器的布局方案。本发明能够获取最佳促动器布局方案。