摘要
本公开提供了一种旋转机械故障诊断方法、装置和介质,所述方法包括以下步骤:S400:调整动态时间窗口长度Twin;S500:在调整后的所述时间窗口长度Twin内,用连续小波变换,对节段预处理信号Xi(t)进行多尺度特征提取,生成所有的节段预处理信号Xi(t)的原始多尺度特征向量;S600:对所述原始多尺度特征向量进行融合,构建融合多尺度特征向量Ftotal;S700:将所述融合多尺度特征向量Ftotal输入至预先训练的深度学习模型中,得到故障诊断结果;S800:判断故障诊断结果是否满足最大化适应度函数。本公开提高了故障诊断的准确性和可靠性。
技术关键词
动态时间窗口
多尺度特征提取
连续小波变换
演化策略
旋转机械故障诊断
信号
深度学习模型
参数
非暂时性
频率
处理器
可读存储介质
带通滤波器
振动传感器
诊断模块
存储器
系统为您推荐了相关专利信息
苜蓿
识别方法
卷积LSTM网络
图像特征提取
动态变化特征
夹具结构
采集分析方法
设计特征
生成对抗网络
DBSCAN聚类算法
三维卷积神经网络
故障诊断方法
粗糙集属性约简方法
连续小波变换
故障趋势预测
故障预测模型
远程监控方法
监测策略
离心机
时序聚类算法
图像
样本
融合特征
效果图生成方法
多尺度特征提取