摘要
本发明公开了一种基于强适应性图像信息增强的故障诊断方法及系统,该方法包括如下步骤:将一维信号分割为等长的数据段,获取每个数据段的特征矩阵,及其行自相关矩阵和列自相关矩阵,并编码为图像,多个数据段生成多个图像,形成图像增强后的图像信息数据集;将图像信息数据集划分为训练集和测试集,将训练集输入到双池化多尺度卷积神经网络模型中进行训练,随后再将测试集输入到已训练完成的双池化多尺度卷积神经网络中,输出故障诊断结果。采用本技术方案,基于图像信息增强和特征融合,实现机械设备的有效诊断。
技术关键词
并行特征融合
卷积神经网络模型
故障诊断方法
矩阵
故障特征
故障诊断系统
图像增强模块
元素
识别模块
图像信息编码方法
输出特征
并行特征提取
数据
批量
缩放参数
池化特征
分支
系统为您推荐了相关专利信息
自动化建模方法
蒙特卡罗程序
体素模型
CT影像数据
工具包
抗干扰测量方法
宽厚板钢坯
转钢辊道
队列管理方法
轧钢检测技术
时钟同步方法
时钟同步精度
噪声子空间
协方差矩阵分解
信号传播路径
生长预测方法
多尺度特征
可信度向量
数据
融合特征