一种基于深度学习的风机叶片故障诊断方法

摘要

本申请公开了一种基于深度学习的风机叶片故障诊断方法，包括数据预处理，需要对采集的声音信号数据进行预处理；特征提取，以预处理封装之后的频谱图为输入，引入卷积神经网络模型进行特征提取；相似度计算，对经过特征提取的图片特征进行相似度计算。本申请结构合理，采集风机的声音信号并进行实时监测，存在故障可立即报警，实时性高，对声音信号进行频谱分析，得到基于短时平稳的特征参数值，保留更多的原始声音特征，同时，减少了时域带来的冗余度，通过深度学习模型进行训练，自动化提取图片特征，采用多种相似度计算比对的方式，从不同维度分析频谱图像的相似度，提高了运维效率，降低了运维成本，为公司带来经济效益。