基于改进物理信息神经网络的滚动轴承故障模型求解方法

本发明涉及设备故障诊断技术领域，具体的说是一种基于改进物理信息神经网络的滚动轴承故障模型求解方法，包括S1、构建IPINN模型，IPINN模型包括输入层、并行结构、数据整合层以及输出层，其中每个并行结构包括多个隐藏层，每个隐藏层包括多个神经元；S2、构建损失函数，构建同时考虑轴承振动预测信号与轴承振动仿真信号之间振幅和相位差异的频域损失函数，构建考虑轴承振动预测信号和轴承振动仿真信号之间加速度差异的数据损失函数，利用构建的频域损失函数和数据损失函数建立总损失函数；S3、训练IPINN模型。采用并行结构的设计，提升模型提取特征的能力。同时，引入了频域损失函数，以更加精确地衡量模型在频域上的表现，进一步提升了求解的精度。