一种基于深度学习的机床故障预测与诊断方法

本发明公开了一种基于深度学习的机床故障预测与诊断方法，包括：采集机床数据得到脉冲因子、波动率、频谱能量和频谱带宽；根据脉冲因子、波动率、频谱能量和频谱带宽生成目标机床的数据特征；根据预先构建的深度学习模型对数据特征进行线性转化，得到初级特征输出；对初级特征输出进行二次转化，得到初级特征输出的双重转化特征；根据数据特征和双重转化特征对预先构建的深度学习模型进行参数更新，得到更新后的深度学习模型；采集目标机床的实时数据，将实时数据输入至更新后的深度学习模型，得到目标机床的故障概率，根据故障概率对目标机床进行维护。利用本发明，可以提高机床故障预测与诊断的效率。