摘要
本发明提供一种轴承故障诊断方法、系统、电子设备及存储介质。其中,方法包括:使用VMD方法对轴承振动信号进行分解,提取轴承振动信号的样本特征序列集;将所述轴承振动信号的样本特征序列集输入深度学习网络,进行滚动轴承的故障类别诊断。本发明提出的方案,采用多模态特征提取方法更全面地捕捉轴承振动信号的时频特性且解决指定VMD参数带来的过分解和欠分解问题;利用深度学习网络进行深入的特征学习和故障诊断,提高了模型的准确性和鲁棒性。
技术关键词
轴承故障诊断方法
轴承故障诊断系统
深度学习网络
轴承故障特征
故障类别
滚动轴承
深层特征提取
信号
样本
序列
注意力机制
电子设备
特征提取方法
可读存储介质
分类器
处理器
模块
多模态
存储器
系统为您推荐了相关专利信息
低剂量CT图像
深度学习网络
CT重建方法
多尺度
上采样
识别分类方法
神经网络结构模型
序列
特征提取模块
多头注意力机制
故障诊断方法
计量故障
低压故障
故障特征
故障类别
评论情感分析方法
深度学习网络模型
镜像
粒子群优化算法
文本