摘要
本发明公开了一种基于AI的新能源商用车故障诊断方法及系统,涉及故障诊断的技术领域。通过获取电机轴承的振动信号和电流信号;对信号进行去噪处理,得到目标振动信号和目标电流信号;将目标振动信号进行二维表征,得到目标图像;将目标图像和目标电流信号作为预训练的故障诊断模型的输入,得到电机轴承的故障诊断结果。通过融合振动信号和电流信号、利用深度学习自动提取高维深度特征构建了一个端到端诊断模型,克服了传统方法依赖单一信号、人工特征设计主观局限、对噪声和非线性鲁棒性差、早期故障检测能力弱等缺点,在复杂多变的实际工况下,实现了更鲁棒的故障诊断准确率,并有效提升了早期故障预警能力。
技术关键词
新能源商用车
卷积特征提取
故障诊断方法
故障诊断系统
故障诊断模型
电机轴承
双向长短期记忆网络
集合经验模态分解
基础
电流
局部特征提取
分支
振动信号去噪
分类器
早期故障预警
早期故障检测
注意力机制
故障诊断模块
图像
系统为您推荐了相关专利信息
孪生神经网络
样本
轴承故障诊断方法
短时傅里叶变换
损失函数优化
牵引整流器
开路故障诊断方法
特征迁移学习
训练集数据
电力电子故障诊断
故障预测模型
故障预测数据
溯源系统
数字孪生模型
异常数据
电子提花机
信号传输延迟
多通道
补偿值
时钟同步技术
直流输电线路
多模态数据分析
数据处理中心
故障诊断方法
置信度阈值