摘要
本发明涉及一种基于频段滤波的时频故障诊断方法,其步骤:(1)通过传感器采集机电设备的时域声音信号;(2)对所述时域信号进行快速谱峭度分析,确定最优带通滤波器的中心频率和带宽,并利用巴特沃斯滤波器进行频段滤波;(3)将滤波后的信号分割为等长片段,通过短时傅里叶变换(STFT)生成时频图;(4)构建双路并行卷积神经网络(CNN),第一路处理滤波后的一维时间序列信号,第二路处理二维时频图,分别提取特征后通过扁平化和拼接进行特征融合;(5)将融合后的特征输入Softmax分类器,输出故障分类结果。该方法在实测数据集中准确率达97.92%,显著优于传统方法,适用于工业设备智能化运维。
技术关键词
故障诊断方法
Softmax分类器
频段
巴特沃斯滤波器
短时傅里叶变换
带通滤波器
机电设备故障诊断
一维卷积神经网络
信号
智能化运维
分割方法
工业设备
输出特征
序列
节点数
优化器
索引
频率
系统为您推荐了相关专利信息
网格
地理兴趣点
载波相位偏差
生成磁场
挖掘方法
智能故障诊断方法
数字孪生模型
故障诊断模型
故障特征
故障场景
多源异构数据
微多普勒特征
短时傅里叶变换
分布式协同
联合概率数据关联
故障诊断模型
标签
数据
测试轴承
轴承故障诊断方法
分布式光纤传感
卷积递归神经网络
短时傅里叶变换
线索
声波