一种基于深度学习算法的旋转机械轴承故障实时诊断方法、装置及系统

一种基于深度学习算法的旋转机械轴承故障实时诊断方法、装置及系统，包括设计数据采集板卡，并在机电故障模拟平台上采集不同故障状态下轴承的振动数据和声音数据；对采集到的信号进行归一化处理，并采用滑窗方法构建数据集；使用信号时频分析方法对采集到的轴承振动信号和声音信号进行多尺度分解，得到带有多尺度故障特征的时频信号；以分解后的信号为输入，训练轻量化深度神经网络模型并保存最佳模型参数；将训练好的基于时频分析的轻量化深度神经网络模型部署至边缘计算嵌入式板卡；边缘计算嵌入式板卡的显示屏实时输出轴承故障诊断结果，且在检测到故障时通过声光信号进行紧急报警。本发明充分结合了信号时频分析在处理非平稳信号时的优势与深度神经网络在特征提取方面的强大能力，能够在复杂的工业环境中实时、准确地诊断轴承故障，解决现有技术中轴承故障诊断存在的实时性差、计算复杂度高等问题。