摘要
本发明公开了一种大型压缩机故障诊断方法、介质及计算设备。该方法包括:选择多参数腐蚀监测传感器;基于传感器获取压缩机在不同工况下旋转机械的时序性信号;对所述时序性信号进行预处理;基于自适应多特征生成模型生成不同故障状态和噪声水平的虚拟样本;构建多模态融合卷积网络模型,并进行训练和验证;基于训练后的所述多模态融合卷积网络模型,进行大型压缩机故障诊断。该方法通过构建多模态融合卷积网络模型及基于训练后的所述多模态融合卷积网络模型,进行大型压缩机故障诊断,动态提取高分辨率时频特征,可以适应复杂非平稳信号;该方法通过自适应多特征生成模型,生成不同故障状态和噪声水平的虚拟样本;该方法通过多模态特征提取方法,提取原始样本中的时域、频域和包络谱特征,显著提升诊断精度和鲁棒性。
技术关键词
融合卷积网络
大型压缩机
故障诊断方法
多模态
时序
特征提取方法
腐蚀监测传感器
信号
样本
旋转机械
注意力机制
滑动窗口技术
故障特征频率
短时傅里叶变换
输入输出单元
包络
压缩机故障
噪声
存储计算机程序
阈值方法
系统为您推荐了相关专利信息
公路桥梁
生成结构化数据
信息数据处理终端
合规性
分布式传感器网络
点击特征
图像分割方法
图像编码器
文本编码器
注意力
客户端
注意力机制
语义特征提取
语法结构
服务器