摘要
本申请公开了一种基于时域和频域特征融合的内燃机故障诊断方法及设备,涉及故障检测技术领域,该方法包括:获取内燃机在作业时的振动加速度信号;基于预设的中心频率,采用变分模态分解方法对振动加速度信号进行分解,得到多个信号分量,其中,多个信号分量的宽带之和最小,且重构信号能量能够得到振动加速度信号;拼接信号分量,将得到的拼接信号和振动加速度信号输入预先训练的故障预测模型,得到故障预测模型输出的故障诊断结果。本申请用以解决现有技术中进行内燃机的故障诊断时出现的预测准确率低的问题,实现提高故障诊断的准确性。
技术关键词
振动加速度信号
浅层神经网络
故障预测模型
注意力
时域特征提取
频域特征提取
模态分解方法
故障诊断方法
内燃机
矩阵
残差神经网络
融合特征
故障类别
样本
故障检测技术
系统为您推荐了相关专利信息
敏感内容识别方法
自定义规则
卷积神经网络模型
音频
多层次特征
脑电情绪识别
调控方法
融合特征
情绪识别模型
音乐
估计方法
通道注意力机制
表面肌电信号
皮尔逊相关系数
肌电传感器
结构损伤识别方法
时空特征学习
数字孪生模型
空间特征提取
时域特征提取
在线检测方法
在线检测系统
历史流量数据
分布式存储系统
时效性