摘要
本发明提供了一种水下矢量推进器的故障诊断方法，涉及故障诊断技术领域。具体包括如下步骤：生成历史故障数据集；对历史故障数据集进行预处理；构建多源异构数据的融合模型；将完成训练处理的数据录入数据融合模型，输出融合结果；将来自训练集的数据输入到三个结合自注意力模块的混合深度学习模型进行训练，然后将三个混合深度学习模型的预测结果作为集成学习的输入，使用加权集成策略生成最终的预测结果；加入动态针孔成像策略的白鲸优化算法优化神经网络模型中的超参数；进行故障诊断。本发明的技术方案克服现有技术中的水下航行器的可靠性低和安全性低、维护成本较高、设备使用寿命较短的问题。
