基于多传感器信息融合和深度学习的旋转机械故障诊断方法

本发明公开了基于多传感器信息融合和深度学习的旋转机械故障诊断方法，获取多个传感器数据，将数据分为三组并进行样本分割形成样本集合；提取样本数据的时域、频域特征：然后构建为R、G、B三通道特征；采用Fisher分值法获得每个特征对各类故障类别分值，根据分值大小进行排序，选择排序前10‑20的特征，将其构建为R、G、B三通道特征矩阵；将特征矩阵作为RGB图像的三个通道，使每个样本生成一张二维RGB图像，将所得到的RGB图像输入深度学习模型进行训练以及故障诊断，最终得到旋转机械状态的诊断结果。本发明采用分布式多传感器进行相关数据采集，对机械状态的检测更加全面，使故障诊断模型的抗干扰性能大幅提高。