摘要
本发明公开了一种零序电流与振动信号图域融合的传动链复合故障诊断方法,包括以下步骤:数据采集和预处理;构建图域融合的传动链复合故障诊断模型:构建局部特征提取模块,同时构建基于卷积神经网络CNN和全局注意力机制GAM的全局特征提取模块,通过全局和局部的并行特征提取,将全局特征提取模块输出的全局空间特征与局部特征提取模块输出的局部特征进行拼接整合,并利用全局平均池化策略实现特征融合;故障诊断:将融合后的特征输入至Softmax分类器中,完成故障类型的识别与分类。本发明构建图域融合的传动链复合故障诊断模型,同时提取全局和局部故障特征,实现了故障信息的有效互补与深层融合,丰富了故障信息的表达。
技术关键词
复合故障诊断方法
全局特征提取
局部特征提取
传动链
故障诊断模型
并行特征提取
模拟实验平台
旋转机械故障
通道注意力机制
信号
电流
全局平均池化
元素
模块
分类器
特征提取能力
数据
系统为您推荐了相关专利信息
条件深度卷积生成对抗网络
动力学微分方程
故障诊断模型
转子系统动力学
故障诊断方法
多尺度特征提取
模态特征
可见光图像
信息融合方法
多源特征
智能预报方法
解码器
编码器
注意力机制
时序依赖关系
深度学习反演方法
地表温度反演
大气廓线
反演模型
物理
发动机故障诊断
汽车发动机
故障诊断模型
尾气浓度变化
多模态数据融合