摘要
本申请涉及一种轴流泵故障诊断方法、装置、电子设备及介质,属于机械故障诊断技术领域,其中,该方法包括:获取由已知故障类型轴流泵的振动数据组成的样本集,振动数据由轴流泵上设置的至少两个传感器获取;构建初始多通道卷积神经网络模型,基于样本集对初始多通道卷积神经网络模型进行训练,得到训练完备的多通道卷积神经网络模型,其中,振动数据中每个传感器获取的数据对应初始多通道卷积神经网络模型中的一个输入通道;基于训练完备的多通道卷积神经网络模型对待诊断轴流泵进行故障诊断。本申请通过多通道卷积神经网络模型自动提取特征指标,有效融合多传感器特征数据,克服了手工特征提取的限制,且有着更强的特征提取能力和泛化性。
技术关键词
多通道卷积神经网络
轴流泵
故障诊断方法
机械故障诊断技术
转子不平衡故障
样本
融合多传感器
故障特征
注意力机制
故障诊断装置
特征提取能力
裂纹故障
松动故障
数据获取单元
电子设备
可读存储介质
存储器
传播算法
系统为您推荐了相关专利信息
车辆故障信息
故障知识库
故障特征
车辆故障诊断方法
推理算法
泄漏故障诊断方法
卷积神经网络模型
故障特征
液压缸
切比雪夫
故障诊断模型
变电站二次设备
天牛须搜索算法
故障诊断方法
故障特征信息
开路故障诊断方法
超级电容
扩展卡尔曼滤波器
模型误差
蓄电池
轴承故障诊断方法
地铁列车牵引电机
残差网络
多模态
降噪模块