一种具有数据高速传输能力的电机工况监测方法

本发明公开了一种具有数据高速传输能力的电机工况监测方法，涉及电机运行工况检测与信息传输领域。该方法在多工况下同步采集电机多维度时间序列数据，经数据分割、标准化、定步长下采样、频域转换及特征融合成多维度特征向量；继而搭建BiLSTM‑Attention深度学习模型，提取序列双向时序依赖，聚焦关键时间步特征，训练得到工况监测模型；通过双重检测机制保障监测可靠性，并基于EtherCAT通信协议栈实现多传感器数据的高速同步传输。本发明通过多维度时频特征融合与深度学习模型的协同建模，结合高速同步传输协议栈与双重检测机制，可显著增强电机工况特征表达并实现高精度数据传输与可靠监测。