基于深度学习的新型故障诊断方法及系统

本发明属于故障诊断与识别技术领域，具体属于工业设备状态监测与智能维护方向，尤其涉及一种基于深度学习的新型故障诊断方法及系统，可应用于机械、电力、轨道交通等领域的设备异常检测、故障模式分类及健康状态评估。该方法包括：数据获取与特征工程、神经网络模型构建及模型训练与评估；所述数据获取与特征工程用于基于西储大学轴承数据集，通过经验模态分解(EMD)对振动信号进行自适应分解，筛选并构建目标数据集；所述神经网络模型构建采用卷积神经网络(CNN)，通过卷积层、池化层和全连接层提取信号的局部特征，实现故障分类；所述模型训练与评估用于对网络进行参数优化、性能验证及结果可视化，生成高精度的故障诊断模型。