一种基于时序数据流行学习的机械设备故障诊断方法

摘要

本发明涉及一种基于时序数据流行学习的机械设备故障诊断方法，该方法包括如下步骤：(1)获取各故障类型下的训练样本，训练样本中包括多组振动信号时间序列；(2)对每种故障类型下的每组振动信号时间序依次进行数据预处理、多特征构造、特征选择和特征融合，最终得到样本低维特征集并输入至分类器；(3)获取测试数据，对测试数据依次进行数据预处理、多特征构造、特征选择和特征融合，最终得到测试数据低维特征集；(4)将测试数据低维特征集输入至所述的分类器，所述的分类器进行故障诊断获取对应的故障类型。与现有技术相比，本发明故障诊断结果准确可靠。