摘要
本发明属于智能制造与设备故障诊断技术领域,提供了一种基于多通道数据的旋转机械故障诊断方法及系统,根据频域能量显著性调整得到每个通道的基本概率分配,在频域能量显著性调整中,X轴和Y轴的信号权重根据重要性进行动态调整,强化低频周期性信号的贡献,并且增加Z轴的高频冲击信号对应的权重;通过各通道信号的一致性指标,衡量不同通道信号之间的相似性,并通过一致性调整,增强信号的一致性;量化不同通道之间的冲突程度;对于X轴和Y轴信号,与Z轴信号之间的冲突,根据信号的频域能量、显著性和一致性,降低冲突较大信号的权重,能够动态地调整各通道的权重,从而确保关键信号得到充分利用,并有效抑制冗余和冲突信息的影响。
技术关键词
故障诊断模型
多通道
多尺度卷积神经网络
信号
通道注意力机制
设备故障诊断技术
动态
计算机程序产品
旋转机械故障
故障诊断模块
周期性
特征提取模块
数据采集模块
处理器
诊断系统
频域特征
系统为您推荐了相关专利信息
电池状态估计方法
状态估计模型
前馈神经网络
时序
充电工况
非线性结构
LSTM模型
频谱生成方法
信号生成结构
样本
视觉采集设备
智能身份识别
巡检日志
身份识别装置
身份验证