基于人工智能的风机旋转部件异常检测方法

本发明公开了一种基于人工智能的风机旋转部件异常检测方法，S1、构建风机旋转部件声音信号集；S2、生成风机旋转部件声音信号特征向量集；S3、训练得到用于检测风机旋转部件异常状态的深度神经网络模型；S4、利用层次化强化学习算法对风机旋转部件特征向量集进行分析和分类，高层策略根据风机的运行环境、负载条件以及声音信号集的整体变化趋势判断是否激活低层策略，低层策略则根据风机旋转部件特征向量集进一步判断是否存在异常状态；S5、实时调节声音信号集的去噪和滤波参数；S6、当低层策略通过对特征向量集的分析识别出异常状态时，系统自动触发报警机制。本发明不仅降低了风机异常检测的成本，还提高了检测精度和智能化水平。