一种基于深度神经网络的惯性平台稳定回路故障诊断方法

本发明具体涉及一种基于深度神经网络的惯性平台稳定回路故障诊断方法，包括：获取惯性平台的状态信号、陀螺仪信号、控制电路信号和电机电流信号，作为输入数据；将输入数据输入到并行连接的RNN网络和GRU网络中进行特征提取，分别获得RNN和GRU高级特征；在交叉注意力网络中融合RNN和GRU高级特征；将注意力特征与当前时间数据融合后，输入全连接层进行特征提取；将融合后的特征送入分类层进行故障分类，输出与数据对应的故障标签。本发明利用RNN和GRU提取时间序列中的高级特征，再通过交叉注意力机制融合和增强这些特征，可以更准确地检测和诊断惯性平台的故障；计算速度快，能够满足实时性要求，实现对惯性平台故障的快速检测和诊断，减少故障响应时间。