摘要
本公开提供了一种基于物理信息增强的旋转机械故障诊断方法、装置和介质,所述方法包括以下步骤:采集旋转机械的原始振动信号;基于旋转机械的所述原始振动信号,生成故障特征频率;基于所述故障特征频率,将旋转机械的所述原始振动信号转换为经过物理增强的特征信号;用概率深度神经网络模型,从经过物理增强的特征信号中,生成故障概率,并生成智能数据,以可视化解释物理信息。本公开基于物理信息增强技术,提高了故障诊断的准确性和可靠性。
技术关键词
深度神经网络模型
故障特征频率
生成智能
物理
频域特征
信号
独立编码器
输出特征
时域特征
旋转机械故障诊断
多尺度特征
注意力
Softmax函数
非暂时性
滚动体直径
数据
处理器
系统为您推荐了相关专利信息
数字孪生系统
数字孪生模型
人工智能辅助
数字孪生方法
传感器
大语言模型
指令
船舶执行机构
转移概率矩阵
智能船舶
智能分析模型
波形
振动特征
频域特征
多模态深度学习