一种基于深度学习的前兆数据故障诊断方法、系统、电子设备及存储介质

本发明提供一种基于深度学习的前兆数据故障诊断方法、系统、电子设备及存储介质。其中，方法包括：在传统时域频谱分析的基础上，加入传感器振动的前兆数据进行初步处理，通过VGG‑11卷积神经网络训练模型，对设备的特定故障进行故障分类，替代人工分析频谱图，并匹配相应的原因分析及解决措施，从而实现设备的故障诊断。本发明提出的方案能够对设备的振动高报警、转子不平衡故障、齿轮磨损故障、轴承不对中故障进行分类。