基于Koopman算子和CWT的滚动轴承故障诊断方法

本发明公开了一种基于Koopman算子和CWT的滚动轴承故障诊断方法，属于机械故障诊断领域，该方法包括去噪模块、CWT时频特征提取模块以及CNN‑GRU分类模块。去噪模块通过基于Koopman算子的残差网络对信号进行动态建模和去噪，分离噪声后提取信号的主要动态特性；CWT时频特征提取模块对去噪后的信号进行多尺度时频分析，捕捉故障信号的瞬态特征和局部模式，生成时频特征矩阵；CNN‑GRU分类模块充分提取时频特征中的空间和时间依赖关系并通过全连接层映射为故障类别。本发明方法显著降低了振动信号中的噪声干扰，提高了模型处理复杂非线性故障信号时的动态特征提取能力和故障诊断准确率。