摘要
本发明公开了一种基于电机噪音的故障预测方法及系统,包括:步骤1:定义采样时长,获取采样时长内的噪音,并进行分帧操作生成噪音帧序列;步骤2:提取噪音帧序列当中的每一帧噪音的频谱特征数据,生成噪音特征序列;步骤3:将噪音特征序列输入自注意力神经网络模型,自注意力神经网络模型输出噪音表征序列;步骤4:获取电机标准故障噪声的样本组成的集合,生成每个样本的特征向量,并与噪音表征序列进行交叉注意力机制计算,生成每个样本对应故障的判定表征;步骤5:将每个样本对应故障的判定表征输入前馈神经网络模型,生成每种故障的判定概率,实现了对电机的工作状态的准确判定,并在不增加计算量的情况下,对多种故障类型进行同时判定。
技术关键词
注意力神经网络
高维特征向量
故障预测方法
前馈神经网络
序列
样本
梅尔频率倒谱系数
时序
交叉注意力机制
线性预测编码
频谱特征
矩阵
故障预测系统
电机
采样模块
测试模块
噪声
定义