一种多相似度特征融合旋转机械故障预测方法

本申请提供了一种多相似度特征融合旋转机械故障预测方法，所述方法包括：对一维振动数据进行时频特征提取，得到输入样本；基于多种相似度指标，在生成式对抗网络学习到的健康样本数据流形上确定出与所述输入样本相似的生成样本，并根据所述生成样本计算所述输入样本在每种相似度指标下的异常分数；根据所述输入样本在每种所述相似度指标下的异常分数，得到最终异常分数，并根据所述最终异常分数得到故障预测结果，所述最终异常分数表征所述输入样本偏离健康样本数据的程度。如此，充分地利用生成式对抗网络的异常检测能力，解决了因单个相似度指标的计算过程的随机性大，而导致故障预测性能不稳定的问题，实现稳定、准确的机械故障预测。