基于改进胶囊网络的运维知识库故障分类方法

作者：赵迪; 王呈^*

来源：电子测量与仪器学报, 2022, 36(05): 104-112.

DOI：10.13382/j.jemi.B2104729

• 故障分类
• FPN
• DRSN
• 胶囊网络
• 特征提取

针对传统运维知识库不具备图像故障现象识别能力，无法处理非结构化数据的问题，基于深度学习的故障分类网络，提出改进胶囊网络特征提取结构的Caps-DRFN算法，实现机电设备运维图像自动分类。首先，针对运维图像存在的多噪声问题，引入深度残差收缩网络(deep residual shrinkage networks, DRSN)提高模型在含噪声数据上的特征提取效果。然后，针对实际拍摄的运维图像多尺度问题，结合FPN(feature pyramid networks)算法，实现图像多尺度特征融合提高模型分类准确率。最后，利用胶囊结构构建向量神经元，通过动态路由的特征传递方式，得到分类结构数字胶囊，实现机电设备故障分类。实验结果表明，相较于传统胶囊网络算法，提出的基于特征融合的Caps-DRFN算法准确率提高了15%且有着更强的鲁棒性。

• 单位
  江南大学