基于双小波融合与CEEMDAN分解的深度学习风机故障诊断方法

一种基于双小波融合与CEEMDAN分解的深度学习风机故障诊断方法，包括以下步骤：S1、采集风机电机驱动端、风机驱动端及非驱动端的振动信号，构建数据集；S2、在小波包降噪基础上进行改进，形成双小波融合降噪算法；S3、对采集信号进行降噪处理；S4、将降噪信号按固定时间窗划分样本，并按测点分类；S5、将样本随机划分为训练集、验证集和测试集；S6、利用CEEMDAN分解所有样本，提取IMFs；S7、将样本送入对应测点的时频域联合特征提取模型进行建模；S8、训练得到诊断模型并导出权重文件；S9、加载模型检测测试集，综合判断风机运行状态。本发明提高了信号处理质量和故障识别准确率。