摘要
本发明涉及一种振动信号分析知识驱动的旋转机械零样本智能故障检测方法及装置,包括:采用多指标评价机制对多种时‑频分析方法进行量化评分;基于连续正常状态数据同模态时‑频图谱的相似性以及不同模态时‑频图谱的不相似性,基于相似性对比分析的零故障样本损失函数;构建基于Vision Transformer的高维特征提取器,利用正常状态样本和构建的对比损失函数实现模型训练;计算旋转机械待测状态数据样本与正常状态数据样本之间多种时‑频图谱高维特征的相似性,实现旋转机械待测状态的在线检测。本发明突破了传统数据驱动故障检测方法对故障样本的依赖,利用正常状态样本即可构建旋转机械智能故障检测模型,实现了其故障的高精度检测。
技术关键词
样本
特征提取器
信号分析
图谱
高维特征向量
深度神经网络
智能故障检测装置
驱动故障检测方法
分析方法
旋转机械监测
旋转机械状态
检测旋转机械
状态监测数据
滑动窗
多指标
异常状态
索引
系统为您推荐了相关专利信息
多源遥感数据
积雪识别方法
影像
分类方法
时空特征学习
抽水蓄能电站
MR设备
作业监测方法
训练样本集
图像
资产全生命周期
变量
贝叶斯网络模型
数字资产管理技术
贝叶斯推理方法