基于多尺度深度神经网络的旋转机械故障诊断方法

摘要

基于多尺度深度神经网络的旋转机械故障诊断方法，本发明涉及轴承等旋转机械故障诊断领域中，靠人工诊断准确率和效率不高的问题。深度学习技术在机械故障诊断中表现出了巨大潜力。目前的方法虽然取得了一定的效果，但由于特征的表达能力不足导致鲁棒性不好、准确率差。为解决这一问题，本发明提出了基于多尺度深度神经网络的旋转机械故障诊断方法。该方法将时域信号进行不同尺度的下采样，然后利用基于注意力机制的长短时记忆网络和多尺度卷积神经网络实现特征提取，并融合多尺度特征，最后利用多分类器实现故障诊断。经过充分的实验验证得知，在轴承的故障诊断上取得了很好的效果。本发明应用于轴承等旋转机械的故障诊断。