摘要
本发明提供了一种智能化旋转机械故障诊断方法,属于机械故障诊断技术领域,其内容包括:首先,获取源域工况及目标域工况下的待故障诊断振动信号,并进行降噪处理;其次,通过短时傅里叶变换将降噪后的信号转换为二维时频图像,分别制作源域数据集和目标域数据集;再次,构建注意力增强网络(SE‑CNN‑BiLSTM‑MSMHA)并基于源域数据集对模型进行预训练,得到源域工况模型;随后,冻结源域工况模型部分参数,利用目标域数据对源域工况模型参数进行微调,得到目标域工况模型;最后,输入目标域数据,实现目标域工况的故障诊断。本发明成果可为提高强噪声背景下跨工况故障诊断准确率提供科学依据。
技术关键词
注意力
工况
短时傅里叶变换
机械故障诊断技术
子模块
多尺度
矩阵
参数
迁移学习方法
故障诊断模型
信号
重构
数据
网络
图像
序列
旋转机械
系统为您推荐了相关专利信息
静电除尘系统
染色体
电场
集尘单元
优化调度算法
数控机床智能
精度
数字孪生
网格模型
工件接触状态
电网作业现场
遮挡人脸图像
人脸识别方法
子模块
多层感知机