一种基于多模态深度学习的旋转机械智能故障诊断方法及装置

本发明公开了一种基于多模态深度学习的旋转机械智能故障诊断方法及装置，其中方法包括：采集旋转机械的振动信号，对振动信号进行HHT处理，获取多模态时频特征信号；依据多模态时频特征信号，构建数据集；构建LSTM‑Stacking网络，并进行训练；部署训练后的LSTM‑Stacking网络，对旋转机械故障进行智能诊断。本发明通过HHT处理技术有效提取旋转机械振动信号的时频混合特征，结合LSTM‑Stacking深度网络的多模态学习优势，构建的多模态时频特征矩阵融合能量分布、频率重心、边际谱峰值等多维故障指纹，实现智能故障诊断准确率和效率的提升。