摘要
本发明属于轴承故障诊断技术领域,具体公开一种压力机轴承故障的诊断方法、系统、终端及介质,包括:采集压力机轴承在运行过程中的多源信号数据;对所述信号进行去噪与标准化处理,提取时域与频域特征;对不同传感器特征进行融合,构建多维度特征表示;将所述特征输入结合卷积神经网络与长短期记忆网络的深度学习模型中进行训练与推理,并引入多核最大均值差异策略以实现特征分布对齐;基于多标签分类方式对实时信号进行故障识别,当预测概率满足预设条件时触发告警。该发明实现了多源数据的融合建模与复合故障的精确识别,具有较强的跨工况适应能力与实时诊断能力,适用于压力机设备的智能运维场景。
技术关键词
诊断方法
长短期记忆网络
深度学习模型
轴承故障诊断技术
信号
Softmax函数
频域特征
时域特征提取
读取存储介质
压力机设备
滑动时间窗口
多标签
传感器特征
峭度特征
运维场景
计算机
分类策略
系统为您推荐了相关专利信息
智能检测方法
检测纺织面料
多尺度卷积神经网络
噪声抑制
直方图均衡化
协方差矩阵
估计方法
机器学习模型训练
正交方法
宽带阵列信号处理
松动检测方法
零部件螺栓
训练样本数据
检测航空发动机
训练样本集
电平控制电路
电源转换模块
FPGA芯片
驱动芯片
开关器件