摘要
本发明公开了基于多模态融合的端到端故障诊断识别方法,步骤是:1)采集振动信号与声学信号,进行预处理,构建训练样本集;2)进行特征提取,获得高维模态特征向量;3)通过端到端深入学习的图生成模块,生成稀疏邻接矩阵,建立图生成结构关系;4)构建多感受野Chebyshev图卷积网络,提取图生成结构中的节点级特征;5)将结构感知特征输入全连接层进行映射,完成对输入样本所属故障类别的预测判别;再进行模型监督训练,通过端到端方式优化模型参数;6)将故障识别模型在测试集上进行预测输出,对故障识别结果进行量化评估,得到故障识别结果。本发明属于设备运行状态监测与故障诊断技术领域,实现旋转设备故障精准诊断。
技术关键词
故障诊断识别方法
表达式
矩阵
多模态
生成结构
通道注意力机制
感知特征
训练样本集
标签
信号
故障类别
设备运行状态监测
拉普拉斯
索引
线性单元
旋转机械设备
多项式
系统为您推荐了相关专利信息
电波传播损耗
波导
电波传播模型
表达式
计算机可执行指令
语义向量
知识融合方法
注意力机制
词向量模型
冗余
排序算法
矩阵
优化机器学习
训练机器学习模型
逻辑回归算法