本发明提供的一种基于神经架构搜索的数字化建模方法,所述建模方法包括:获取航天设备的实时运行数据和历史数据;根据所述实时运行数据和所述历史数据基于深度迁移学习训练循环神经网络预测,生成预测数据;根据所述预测数据进行数据扩充,获得扩充数据;根据所述扩充数据利用模块化网络结构并进行拼装构建搜索空间;采用强化学习方法将所述搜索空间建模成马尔可夫决策过程,产生卷积神经网络架构模型。实现了航天复杂设备系统实时故障诊断能力,降低了航天复杂设备系统的故障发生的风险。
声明:
“基于神经架构搜索的数字化建模方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)