买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】基于时频谱图和变换器算法的飞行器电信号预测方法_北京航空航天大学_202310687039.4 

申请/专利权人:北京航空航天大学

申请日:2023-06-10

公开(公告)日:2024-04-09

公开(公告)号:CN116595421B

主分类号:G06F18/24

分类号:G06F18/24;G06N3/0499;G06F18/10

优先权:

专利状态码:有效-授权

法律状态:2024.04.09#授权;2023.09.01#实质审查的生效;2023.08.15#公开

摘要:本发明涉及基于视觉变换器算法的飞行器电信号预测方法。包电信号时频谱图转换模块,及飞行器电信号进行预测时,首先将电信号进行切割101,后将切割后的电信号片段进行傅里叶变换102,然后将傅里叶变换后的信号片段时频谱图进行拼接生成信号整体的时频谱图103,再结合视觉变换器算法模块105对信号时频谱图的特征进行提取,最后由前馈神经网络106对信号数据和事故种类进行预测。本方法极大地改善了现有飞行器电信号的预测准确率低的技术现状,将准确率提高了11.3%。

主权项:1.一种基于时频谱图和变换器的飞行器电信号预测方法,其特征在于包括:对飞行器电信号进行预测,包括:S11输入时间长度为T、信号源数为n的电信号,在时间维度上将n维度的电讯号的每一个维度分割为多个长度相等的微小片段101,S12对分离出来的每一个微小片段进行傅里叶变换,得到对应片段电信号的频谱信息102,S13将得到的n个数据源的时频谱图按时间相互叠加,得到时长为T、信号源数为n的电信号时频谱图103,S14将得到的时频谱图输入Vision-Transformer模型104进行视觉变换器算法操作,S15通过前馈神经网络得到电信号和事故种类的预测,其中步骤S14的操作包括:S14.1将得到的时频图谱拆分为32×32个小图像,并用CNN提取各个小图像的图片特征201,S14.2根据在整体时频谱图的位置,使用二维位置编码技术,对小图像进行位置编码,位置表达式为PEpos,2i=sinpos100002id,PEpos,2i+1=cospos100002id,其中2i和2i+1表示了位置编码的维度,i的取值范围是0,1,2,…,16202,S14.3将小图像的特征与小图像的位置信息求和后,放入第一多头自注意力模块203,S14.4将第一多头自注意力模块的输出数据与图片特征再次求和,并做第一归一化处理204,从而生成第一归一化处理后的数据,S14.5将第一归一化处理后的数据输入前馈神经网络中,在每个位置上对特征进行非线性变换,以增强特征的表达能力205,S14.6将S14.4与S14.5步骤中的输出求和并做第二归一化处理206,并重复步骤S14.3-S14.6的操作N次,完成编码器的建立,S14.7将可能出现的、包括正常状态的故障种类进行编码,S14.8把故障前的电信号时频谱图作为解码器输入207,输入第二多头自注意力模块208,S14.9将第二多头自注意力模块的输出与故障种类编码及故障前的电信号的时频图谱进行求和及第三归一化处理209S14.10把经过位置编码的数据、第二归一化处理后的数据、故障种类特征及信号、及第三归一化处理后的数据共同放入解码多头注意力层210,并对经过位置编码的数据、第二归一化处理后的数据、故障种类特征及信号、及第三归一化处理后的数据做求和及第四归一化处理211,S14.11将第四归一化处理后的数据输入前馈神经网络中,进行非线性变换212,并与第四归一化处理后的数据再次求和并做第五归一化处理213,重复步骤S14.8-S14.11的操作M次,S14.12将第五归一化处理后的数据分别输入第一前馈神经网络214和第二前馈神经网络215中,得到电信号的数据预测216和事故分类预测217。

全文数据:

权利要求:

百度查询: 北京航空航天大学 基于时频谱图和变换器算法的飞行器电信号预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。