一种基于声纹特征提取及迁移学习的电机故障诊断方法

本发明公开了一种基于声纹特征提取及迁移学习的电机故障诊断方法，属于设备故障诊断技术领域，包括以下步骤：S1、获取电机工作状态的声信号，通过经验模态分解和梅尔倒谱系数方法提取声纹特征；S2、根据提取的声纹特征构建声纹特征数据集；S3、将声纹特征数据集输入CNN+ResNet网络，得到电机故障诊断结果。本发明能够克服传统接触式方法的局限性，降低维护成本，还能够在电机故障的早期阶段提供更为精确的诊断信息，提高电机设备的运行安全性和可靠性。通过声纹特征提取技术，结合深度学习模型进行数据分析和故障分类，将为电机故障诊断开辟新的方向，具有重要的研究价值和应用前景。