摘要
本发明提供一种输送机辊轴故障分析方法及系统,涉及辊轴故障分析技术领域,本发明通过多传感器同步采集,实现振动、温度、应变等多源信号的协同监测,结合卷积神经网络和长短时记忆网络提取用于反映信号特征的隐藏状态向量并基于隐藏状态向量进行处理,获取拼接融合的模态特征,通过高斯混合模型和动态自适应阈值,实现对辊轴状态的自适应分级判别和多类别故障自动分类,本发明能有效综合多因素影响,显著提升对不同运行工况和故障的检测灵敏度与准确性,大幅降低误报、漏报率,增强了系统的鲁棒性。
技术关键词
故障分析方法
模态特征
辊轴
三维加速度传感器
高斯混合模型
输送机
生成卷积神经网络
应变传感器
卷积神经网络模型
指数
采样点
滑动平均滤波器
期望最大化算法
故障分析技术
故障分析系统
深度神经网络模型
振动信号特征
生成特征
系统为您推荐了相关专利信息
分类识别方法
多模态深度学习
位点
交叉注意力机制
文本
二代测序数据
膀胱癌患者
健康对照组
高斯混合模型
靶向测序数据
异常检测方法
融合算法
编码器
分布式协议
负载均衡算法