本發(fā)明涉及物料搬運(yùn)和分揀，尤其涉及一種基于深度學(xué)習(xí)的顯示控制驅(qū)動(dòng)電路故障診斷系統(tǒng)。

背景技術(shù)：

1、在顯示控制驅(qū)動(dòng)電路的故障診斷領(lǐng)域，現(xiàn)有的診斷方法主要依賴于專家經(jīng)驗(yàn)和規(guī)則系統(tǒng)，在處理復(fù)雜多變的故障模式時(shí)往往力不從心，因?yàn)殡y以自動(dòng)學(xué)習(xí)和提取故障特征，也無法充分利用大量的運(yùn)行數(shù)據(jù)，獲取和標(biāo)注顯示控制驅(qū)動(dòng)電路的故障數(shù)據(jù)往往比較困難和耗時(shí)；

2、本申請通過深度學(xué)習(xí)模型自動(dòng)學(xué)習(xí)和提取故障特征，實(shí)現(xiàn)對顯示控制驅(qū)動(dòng)電路故障的精準(zhǔn)診斷，提高了故障診斷的準(zhǔn)確性和效率，降低了對專家經(jīng)驗(yàn)的依賴，采用了遷移學(xué)習(xí)和數(shù)據(jù)增強(qiáng)等技術(shù)手段，以降低模型對大量標(biāo)注數(shù)據(jù)的依賴。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種基于深度學(xué)習(xí)的顯示控制驅(qū)動(dòng)電路故障診斷系統(tǒng)，能夠提高故障診斷的準(zhǔn)確性和效率、降低樣本數(shù)據(jù)依賴。

2、本發(fā)明提供一種基于深度學(xué)習(xí)的顯示控制驅(qū)動(dòng)電路故障診斷系統(tǒng)，包括：

3、數(shù)據(jù)采集模塊，用于獲取顯示控制驅(qū)動(dòng)電路的運(yùn)行數(shù)據(jù)并儲存，所述運(yùn)行數(shù)據(jù)包括電壓、電流、溫度以及電路的工作狀態(tài)信息；

4、數(shù)據(jù)處理模塊，用于將顯示控制驅(qū)動(dòng)電路的運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理，以得到預(yù)處理后的運(yùn)行數(shù)據(jù)；

5、膠囊網(wǎng)絡(luò)特征提取模塊，用于根據(jù)預(yù)處理后的運(yùn)行數(shù)據(jù)，提取數(shù)據(jù)的第一特征，并將第一特征轉(zhuǎn)換為膠囊形式，以得到膠囊網(wǎng)絡(luò)的特征；

6、圖神經(jīng)網(wǎng)絡(luò)特征提取模塊，用于將預(yù)處理后的運(yùn)行數(shù)據(jù)轉(zhuǎn)換為圖結(jié)構(gòu)，以提取圖結(jié)構(gòu)的特征；

7、特征融合模塊，用于將膠囊網(wǎng)絡(luò)的特征和圖結(jié)構(gòu)的特征進(jìn)行融合，以得到特征集；

8、模型訓(xùn)練模塊，用于根據(jù)特征集，構(gòu)建深度森林模型并進(jìn)行迭代訓(xùn)練，以得到優(yōu)化后的深度森林模型；

9、故障診斷模塊，用于使用優(yōu)化后的深度森林模型對顯示控制驅(qū)動(dòng)電路進(jìn)行故障診斷，以得到診斷結(jié)果；

10、預(yù)警模塊，用于根據(jù)診斷結(jié)果和閾值，得到預(yù)警信號。

11、進(jìn)一步的，所述數(shù)據(jù)采集模塊包括：

12、數(shù)據(jù)感知模塊，用于時(shí)感知并采集顯示控制驅(qū)動(dòng)電路的運(yùn)行數(shù)據(jù)；

13、數(shù)據(jù)轉(zhuǎn)換模塊，用于將運(yùn)行數(shù)據(jù)轉(zhuǎn)換為電信號；

14、數(shù)據(jù)儲存模塊，用于儲存轉(zhuǎn)換為電信號的數(shù)據(jù)。

15、進(jìn)一步的，所述數(shù)據(jù)處理模塊包括：

16、除噪模塊，用于使用移動(dòng)平均濾波去除運(yùn)行數(shù)據(jù)的高頻噪聲和隨機(jī)波動(dòng)，以得到除噪后的運(yùn)行數(shù)據(jù)；

17、歸一化模塊，用于將除噪后的運(yùn)行數(shù)據(jù)進(jìn)行歸一化處理，以得到歸一化后的運(yùn)行數(shù)據(jù)；

18、刪選模塊，用于將歸一化后的運(yùn)行數(shù)據(jù)中的異常數(shù)據(jù)剔除，以得到預(yù)處理后的運(yùn)行數(shù)據(jù)。

19、進(jìn)一步的，根據(jù)預(yù)處理后的運(yùn)行數(shù)據(jù)，提取數(shù)據(jù)的第一特征，并將第一特征轉(zhuǎn)換為膠囊形式，以得到膠囊網(wǎng)絡(luò)的特征，包括：

20、根據(jù)預(yù)處理后的運(yùn)行數(shù)據(jù)，使用卷積層提取數(shù)據(jù)的第一特征，使用主膠囊層將第一特征轉(zhuǎn)換為膠囊形式，通過，調(diào)整膠囊之間的連接權(quán)重，以得到膠囊網(wǎng)絡(luò)的特征，其中，和為兩個(gè)膠囊，是膠囊的輸入向量，是連接權(quán)重，通過動(dòng)態(tài)路由算法迭代更新，是膠囊的輸出向量。

21、進(jìn)一步的，將預(yù)處理后的運(yùn)行數(shù)據(jù)轉(zhuǎn)換為圖結(jié)構(gòu)，以提取圖結(jié)構(gòu)的特征，包括：

22、使用圖卷積層提取圖結(jié)構(gòu)的特征，使用進(jìn)行非線性變換，以得到圖神經(jīng)網(wǎng)絡(luò)的特征，其中，為圖神經(jīng)網(wǎng)絡(luò)的特征，是膠囊的鄰居節(jié)點(diǎn)集合，是連接權(quán)重,是可學(xué)習(xí)的權(quán)重矩陣，是非線性激活函數(shù)。

23、進(jìn)一步的，所述模型訓(xùn)練模塊包括：

24、模型構(gòu)建模塊，用于根據(jù)特征集確定深度森林模型的架構(gòu)，所述模型的架構(gòu)包括級聯(lián)森林的層數(shù)、每層中隨機(jī)森林的數(shù)量和類型；

25、迭代訓(xùn)練模塊，用于將特征集輸入到深度森林模型中進(jìn)行迭代訓(xùn)練，在每一輪訓(xùn)練中，深度森林模型對特征集進(jìn)行學(xué)習(xí)，并更新深度森林模型的參數(shù)，以得到優(yōu)化后的深度森林模型。

26、進(jìn)一步的，所述故障診斷模塊包括：

27、診斷模塊，用于使用優(yōu)化后的深度森林模型對顯示控制驅(qū)動(dòng)電路的運(yùn)行數(shù)據(jù)進(jìn)行診斷，得到預(yù)測結(jié)果，將預(yù)測結(jié)果轉(zhuǎn)換為故障診斷信息，以得到診斷結(jié)果；

28、監(jiān)測模塊，用于實(shí)時(shí)使用優(yōu)化后的深度森林模型對顯示控制驅(qū)動(dòng)電路的運(yùn)行數(shù)據(jù)進(jìn)行診斷。

29、進(jìn)一步的，所述預(yù)警模塊包括：

30、比較模塊，用于將獲取的診斷結(jié)果與閾值進(jìn)行比較，以得到比較結(jié)果；

31、判斷模塊，用于根據(jù)比較結(jié)果，判斷是否出發(fā)預(yù)警，若診斷結(jié)果超過或達(dá)到設(shè)定的閾值，則觸發(fā)預(yù)警；若診斷結(jié)果未達(dá)到設(shè)定的閾值，則不觸發(fā)預(yù)警。

32、本發(fā)明提供的基于深度學(xué)習(xí)的顯示控制驅(qū)動(dòng)電路故障診斷系統(tǒng)，結(jié)合了膠囊網(wǎng)絡(luò)和圖神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，充分利用了兩種網(wǎng)絡(luò)的優(yōu)勢,提高了故障診斷的準(zhǔn)確性；通過深度森林模型的構(gòu)建和迭代訓(xùn)練，系統(tǒng)能夠?qū)W習(xí)到顯示控制驅(qū)動(dòng)電路運(yùn)行數(shù)據(jù)的深層次特征，增強(qiáng)了模型的泛化能力；系統(tǒng)實(shí)現(xiàn)了自動(dòng)化、智能化的故障診斷流程，從數(shù)據(jù)采集、預(yù)處理、特征提取到模型診斷，整個(gè)過程高效且快速，縮短了故障診斷的時(shí)間，提高了維修效率，減少了生產(chǎn)停機(jī)時(shí)間；預(yù)警模塊根據(jù)診斷結(jié)果和設(shè)定的閾值，能夠?qū)崟r(shí)判斷是否需要觸發(fā)預(yù)警。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的顯示控制驅(qū)動(dòng)電路故障診斷系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的顯示控制驅(qū)動(dòng)電路故障診斷系統(tǒng)，其特征在于，所述數(shù)據(jù)采集模塊包括：

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的顯示控制驅(qū)動(dòng)電路故障診斷系統(tǒng)，其特征在于，所述數(shù)據(jù)處理模塊包括：

4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的顯示控制驅(qū)動(dòng)電路故障診斷系統(tǒng)，其特征在于，根據(jù)預(yù)處理后的運(yùn)行數(shù)據(jù)，提取數(shù)據(jù)的第一特征，并將第一特征轉(zhuǎn)換為膠囊形式，以得到膠囊網(wǎng)絡(luò)的特征，包括：

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的顯示控制驅(qū)動(dòng)電路故障診斷系統(tǒng)，其特征在于，將預(yù)處理后的運(yùn)行數(shù)據(jù)轉(zhuǎn)換為圖結(jié)構(gòu)，以提取圖結(jié)構(gòu)的特征，包括：

6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的顯示控制驅(qū)動(dòng)電路故障診斷系統(tǒng)，其特征在于，所述模型訓(xùn)練模塊包括：

7.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的顯示控制驅(qū)動(dòng)電路故障診斷系統(tǒng)，其特征在于，所述故障診斷模塊包括：

8.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的顯示控制驅(qū)動(dòng)電路故障診斷系統(tǒng)，其特征在于，所述預(yù)警模塊包括：

技術(shù)總結(jié)
本發(fā)明提供一種基于深度學(xué)習(xí)的顯示控制驅(qū)動(dòng)電路故障診斷系統(tǒng)，涉及電路故障診斷領(lǐng)域，包括：數(shù)據(jù)采集模塊，用于獲取顯示控制驅(qū)動(dòng)電路的運(yùn)行數(shù)據(jù)并儲存；數(shù)據(jù)處理模塊，用于將顯示控制驅(qū)動(dòng)電路的運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理；特征提取模塊，用于使用膠囊網(wǎng)絡(luò)和圖神經(jīng)網(wǎng)絡(luò)對預(yù)處理后的運(yùn)行數(shù)據(jù)進(jìn)行特征提取并相互補(bǔ)充，以得到特征集；模型訓(xùn)練模塊，用于根據(jù)特征集，構(gòu)建深度森林模型并進(jìn)行迭代訓(xùn)練，以得到優(yōu)化后的深度森林模型；故障診斷模塊，用于對顯示控制驅(qū)動(dòng)電路進(jìn)行故障診斷，以得到診斷結(jié)果；預(yù)警模塊，用于根據(jù)診斷結(jié)果和閾值，得到預(yù)警信號。本發(fā)明能夠提高故障診斷的準(zhǔn)確性和效率、降低樣本數(shù)據(jù)依賴。

技術(shù)研發(fā)人員：石超,李成明,楊少延,劉祥林,崔草香,朱瑞平,聶建林,郭柏君,陳兆顯,李曉東
受保護(hù)的技術(shù)使用者：國鯨科技（廣東橫琴粵澳深度合作區(qū)）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/28