一种旋转机械用滚动轴承的故障自适应诊断方法

本发明公开了一种旋转机械用滚动轴承的故障自适应诊断方法，首先采集滚动轴承运行过程中的振动信号并进行预处理，得到预处理后的振动信号数据；然后对预处理后的振动信号数据进行时序建模并提取时间序列特征，再根据时间序列特征生成阶段概率向量；再将阶段概率向量映射为阶段嵌入向量，将阶段嵌入向量引入阶段自适应注意力机制，输出优化特征向量；最后构建基于深度学习的故障诊断网络进行滚动轴承的故障诊断，输出滚动轴承各类故障的概率分布，选取概率最大的故障类型作为诊断结果，并确认故障类型的严重程度。本发明能够自动感知故障阶段、动态调整评估标准，并适应工业数据特点，平衡初期检测率与晚期误报率，从而实现更精准的预测性维护。