摘要
本申请公开了一种机械旋转部件故障诊断方法、装置、设备及介质,涉及故障诊断技术领域,包括:监测并获取机械旋转部件的当前运行数据,对当前运行数据分别进行傅里叶变换和连续小波变换,得到同一像素尺寸下的目标频域图像和目标时频图像;将目标频域图像和目标时频图像输入至预训练故障诊断模型,以便模型的训练后一维卷积网络和训练后二维卷积网络分别对目标频域图像和目标时频图像进行特征提取和融合,对融合后图像特征进行故障分类预测,输出当前运行数据相对于各类标准故障数据集的概率分布结果;将概率分布结果中最大概率值对应的标准故障类别作为预测故障诊断结果。通过相似度计算,精确判断机械旋转部件的故障类型。
技术关键词
双流卷积神经网络
故障诊断方法
故障诊断模型
故障类别
二维卷积网络
连续小波变换
图像
机械
频域特征
故障诊断装置
故障诊断技术
像素
存储计算机程序
数据处理模块
尺寸
标签
输出模块
可读存储介质
系统为您推荐了相关专利信息
故障树模型
车辆故障诊断方法
节点
车辆故障检测系统
计算机可读存储器
投放监测方法
轨迹误差
故障诊断模型
滑动窗口
传感器节点位置
故障诊断模型
镗床
数字孪生模型
诊断方法
通道注意力机制
龙门式起重机
轮式行走机构
故障诊断方法
数据
粒子群优化算法
BiLSTM模型
冗余特征
电路仿真模型
故障诊断方法
离散小波变换