电机异常检测模型训练方法及电机异常检测方法

在本申请提供的电机异常检测模型训练方法及电机异常检测方法中，获取电机运行时的多个音频样本及其类别标签，对于每个音频样本，通过速度扰动生成多个扰动音频，将其输入频域特征提取子模型和时域特征提取子模型，得到增强小波时频谱和增强时域特征，接着通过全连接层对其进行线性变换并加权求和，生成融合增强特征，采用深度神经网络对融合增强特征进行特征变换后输入分类器，得到分类概率，根据类别标签和分类概率计算三元组损失，通过损失反向传播和随机梯度下降算法更新频域特征提取子模型、时域特征提取子模型、全连接层、深度神经网络和分类器的参数，以得到训练后的电机异常检测模型。如此，提升模型在高噪声环境下电机状态识别的准确性。