一种基于深度学习和信号分析的故障诊断方法

摘要

本发明公开了一种基于深度学习和信号分析的故障诊断方法，本发明方法预先采集工业过程在正常和故障时的数据，并将其划分为训练集和测试集；基于训练集离线训练模型参数，再以测试集检验模型，性能指标为故障诊断的精度，其数值大小表征了模型的泛化性能，亦即对故障的在线诊断能力；该方法作为神经网络的变体，能获取过程操作变量在时域上的物理信息，同时引入的小波分析法可获取过程测量变量的频域信息；此外，该方法采用的深度结构适应了工业大数据的大、快、杂、疑等特点，可将过程操作变量的物理信息，结合以过程测量变量的频率特征，学习到故障的深层级的复杂模式，可有效地进行故障诊断，于在线诊断的测试中显示出优越的泛化能力。