摘要
本发明提供一种基于人工智能的减速机故障定位方法及系统,涉及工业设备智能故障检测与定位技术领域。方法包括:利用多模态传感模块同步采集振动、温度及声发射信号,经边缘计算单元进行滤波、校正及改进小波包分解处理,提取时域、频域及非线性特征,并计算振动劣化度与状态偏离指数构建特征空间,通过深度度量学习与图注意力网络实现故障大类识别和故障源精确定位,同时结合D‑S证据理论进行可信度评估及在线增量学习优化。系统包括多模态传感模块、边缘计算单元、云端分析平台、自适应优化模块及人机交互终端。该发明克服了传统方法中信号源单一、特征提取依赖经验、实时性不足及定位不准等缺陷,显著提高了故障检测准确性和设备运行安全性。
技术关键词
故障定位方法
深度度量学习
减速机
人机交互终端
困难样本挖掘
谱相关系数
计算方法
在线学习机制
传感模块
振动传感器
非线性动力学特征
故障特征
多模态
工业设备智能
振动特征
时空演变规律
分解算法
齿轮啮合状态
三元组损失函数
系统为您推荐了相关专利信息
风力机叶片
声学多普勒
故障定位方法
频率
麦克风
故障定位方法
载波
数据处理单元
信号到达时间
高速数据采集卡
故障定位方法
风险
节点
设备运行工况数据
故障知识库
有源配电网故障定位方法
表达式
开关
全局寻优能力
变量