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
变电设备温度
变电设备运行状态
图像分析
诊断方法
多模态数据采集
数据分析方法
智慧安防
深度特征提取
矩阵
结构特征提取
多源遥感数据
地区农作物
影像
识别方法
农作物识别
检测模型构建方法
缺陷检测方法
样本
PCB电路板
注意力机制