一种基于深度神经网络的机电点检设备故障诊断方法

本发明属于一种基于深度神经网络的机电点检设备故障诊断技术领域，公开了一种基于深度神经网络的机电点检设备故障诊断方法，该方法包括：采集多时间段多模态信号数据并附时间戳，结合运维记录建立故障标记的训练样本；按时间戳划分等长窗口，统计样本数构建时间密度函数；预训练时引入时间密度函数作为正则因子，在特征嵌入层调整样本权重，压缩高密度时段样本权重、增强低密度时段样本权重；基于训练样本和时间分布正则化嵌入，使用多任务损失函数监督训练，动态调整时间正则化系数的预训练网络；获取待诊断数据预处理后输入预训练网络，预测设备故障类型。本发明提升了模型跨时间周期的稳定性与鲁棒性。