摘要
本申请公开了一种基于多域特征融合的设备故障诊断方法、装置及存储介质。包括:采集旋转机械设备的多模态数据;对所述多模态数据进行时域特征提取并分类,得到第一故障分类结果;对所述多模态数据进行频域与幅域特征提取并分类,得到第二故障分类结果;对所述第一故障分类结果和第二故障分类结果采用DS证据理论进行决策融合,得到设备故障诊断结果。通过对多源信号时域、频域与幅域特征的提取与选择,深度分析了信号的多模态特征,扩大了设备故障诊断范围,提高了故障诊断准确率与可靠性。通过模仿基于专家经验的故障诊断过程,增加了模型的可解释性。
技术关键词
旋转机械设备
设备故障诊断方法
时域特征提取
多域特征
DS证据理论
多模态
设备故障诊断装置
计算机可读指令
数据融合算法
决策
模态特征
特征选择
模块
指标
网络
图像
幅值
谐波
系统为您推荐了相关专利信息
机器学习模型
测量方法
时域特征提取
频域特征提取
参数
情绪特征
情绪识别方法
多模态情绪
面部
脑电信号特征
Pearson相关系数
多视角特征
特征提取网络
解码方法
联合特征提取
射频指纹识别方法
多域特征
希尔伯特黄变换
短时傅里叶变换
通道