摘要
本发明公开一种轴承故障诊断方法、产品、介质及设备,涉及机械故障诊断方法技术领域,方法包括:利用全矢谱技术结合短时傅里叶变换融合每种工况下的每种故障类型的轴承运行状态的x和y方向上的声发射信号,得到每种工况下的每种故障类型的轴承运行状态的全矢声谱图;利用得到的全矢声谱图构建每种工况的数据集;任选一种工况的数据集,利用该数据集训练对EfficientNet‑B0网络改进后得到的故障诊断网络模型,得到预训练模型;利用预训练模型结合迁移学习进行小样本变工况条件下的轴承故障诊断。本发明能够解决现有轴承故障诊断方法存在的特征提取能力弱、泛化能力不足及小样本变工况条件下轴承故障诊断研究有限的问题。
技术关键词
轴承运行状态
轴承故障诊断方法
短时傅里叶变换
预训练模型
声谱
声发射传感器
变工况
信号
序列
机械故障诊断方法
样本
数据
故障诊断研究
网络
特征提取方式
注意力机制
特征提取能力
系统为您推荐了相关专利信息
射频
短时傅里叶变换
识别方法
深度学习模型
信噪比
原煤仓
预警方法
声纹特征
计算机可执行指令
煤质参数
焦点损失函数
预训练模型
GCN模型
风险
标签特征
故障诊断模型
矿用通风机
轴承故障诊断方法
可执行程序代码
轴承故障诊断装置