摘要
本发明实施例公开了一种基于多传感器数据融合的电机故障诊断方法、系统及介质,方法包括:获取各传感器的初始信号数据;通过奇异值分解对初始信号数据进行降噪处理;提取降噪后的初始信号数据的本征模态函数分量,根据本征模态函数分量获取重构数据;基于重构数据构建反向传播神经网络,引入遗传算法中的交叉概率和变异概率修正反向传播神经网络的权值和阈值,确定混合网络;根据混合网络获取各传感器故障诊断概率;根据各传感器的固有可靠性系数和混合网络的固有可靠性系数,确定证据可靠性因子;根据证据可靠性因子对各传感器故障诊断概率进行修正,确定证据概率,通过证据概率进行电机故障预测,提高整体诊断的准确性和可信度。
技术关键词
传感器故障诊断
电机故障诊断方法
多传感器数据融合
混合网络
矩阵
重构
引入遗传算法
因子
电机故障诊断系统
粒子
噪声
数据获取模块
信号降噪
加速度
节点数
系统为您推荐了相关专利信息
故障诊断模型
双向长短期记忆网络
二维卷积神经网络
一维卷积神经网络
滚动轴承故障诊断
时间序列预测方法
深度学习模型
深度学习神经网络
注意力机制
文本特征向量
注意力模型
多尺度卷积神经网络
二甲基
苯酚
引入注意力机制