基于仿真数据和CNN-GAP-CBAM模型的电机速度异常故障诊断方法

本发明公开了一种基于仿真数据和CNN‑GAP‑CBAM模型的电机速度异常故障诊断方法，以CBAM注意力机制和CNN‑GAP神经网络构建模型，显著提升了故障特征提取和诊断能力；CBAM机制通过空间和通道关注机制，优化了模型对关键特征区域和通道的聚焦，提升了局部异常和重要通道的特征表达能力，从而提高了故障诊断的精度；CNN‑GAP通过多层卷积核提取电机故障信号的局部故障特征，在经过全局平均池化层的特征压缩降维，保留关键的故障信息。从而提升了模型的故障诊断精度，解决了实际生产中故障数据可能难以有效采集的问题，能够有效应对高维数据复杂特性、无法充分捕捉与故障相关的关键特征信息导致的诊断效果差、以及诊断结果的全面性和可靠性差的问题。