摘要
一种基于多模态数据融合的面向转子故障诊断任务的方法,包括以下步骤:S1、去除原始振动数据噪音,将去噪振动数据转化为递归图;S2、划分去噪振动数据和对应递归图为训练集、测试集;S3、利用训练集预训练时域特征提取模块和递归特征提取模块;S4、提取训练集的时域特征和递归特征,训练多模态特征融合和故障诊断模块;S5、将测试集的振动信号和对应递归图分别输入到时域特征提取模块和递归特征提取模块,提取时域特征和递归特征;S6、将S5中提取特征输入多模态特征融合和故障诊断模块,输出故障诊断结果;本发明利用故障振动信号时域和递归特征的多模态数据进行转子故障诊断,具有可行度高、精度高等优点。
技术关键词
转子故障诊断
多模态数据融合
时域特征提取
故障诊断模块
特征提取模块
多模态特征融合
空间注意力网络
样本
缩放参数
故障振动信号
训练集
全局平均池化
表达式
支持向量机
信噪比
系统为您推荐了相关专利信息
多模态数据融合
云分类方法
反射率数据
采样模块
多尺度
多模态数据融合
递归神经网络
定位方法
激光雷达点云
模态特征
路径规划系统
避障算法
人形机器人
多模态数据融合
动态障碍物
会议设备
健康状态信息
多模态传感器
加权融合算法
频域特征提取
组学特征
图像特征提取
图像特征分类
分类方法
编码器