数控机床关键零部件故障的智能诊断方法

为解决传统基于深度学习的智能诊断方法故障识别时间长、故障识别准确率低的问题，本发明提出一种数控机床关键零部件故障的智能诊断方法，构建了故障诊断模型，包括数据预处理子模型、特征提取子模型和故障分类子模型；数据预处理子模型采用短时小波傅里叶变换对多源信号进行预处理，为特征提取子模型准确捕捉原始信号的重要特征信息提供基础；特征提取子模型采用LSTM模型对数据预处理子模型输出的联合时频表示进行噪声抑制和特征提取；故障分类子模型采用添加多头注意力的Transformer结构提高故障分类子模型的故障判别能力与速度；利用振动、声音和电压传感器采集多源信号作为故障诊断基础，提高了故障诊断模型的性能和准确性。