一种基于人工智能的机械设备故障数据识别方法

本发明涉及一种基于人工智能的机械设备故障数据识别方法，数据处理与人工智能技术领域。解决现有技术在故障诊断中存在的信号处理不敏感、特征提取不充分、噪声干扰显著以及模型训练效率低等问题。该方法提出基于能量密度的自适应归一化方法，有效抑制非平稳信号影响并保留关键特征；通过混合能量熵特征提取与频带间能量跃变惩罚项，显著增强对复杂故障模式的敏感性；构建基于高斯势阱的故障特征增强策略，强化故障特征聚集区响应；采用加权损失函数与梯度定向修正机制，提升模型鲁棒性和准确性；结合熵值加权学习率和协方差缩放策略，实现自适应训练，提高收敛速度和适应性。该方法提升了机械故障诊断的精度和效率，为工业智能化发展提供支持。