一种基于深度学习的轴承复合故障诊断方法

本发明提供一种基于深度学习的轴承复合故障诊断方法，该方法包括：利用CNN‑RNN混合网络分离复合故障振动信号为单一故障子信号；通过故障交互注意力模块量化故障间影响关系，动态生成特征权重并重加权特征矩阵；采用故障影响度评估网络输出影响系，结合校正公式自适应补偿诊断偏差。本发明基于深度学习模型，通过引入故障交互注意力机制，能够自动学习和量化不同故障类型之间的相互影响关系，自适应调整特征权重，有效减轻复合故障之间的干扰，提高诊断准确性；同时通过复合故障影响度量化与自适应校正机制，建立故障交互知识库和自适应校正算法，有效补偿了故障间相互影响带来的诊断偏差，为轴承故障诊断提供更可靠的技术支持。