基于CNN-LSTM深度学习方法及多属性时序数据的故障诊断方法

摘要

本发明涉及系统故障诊断技术领域，具体地说，涉及一种基于CNN‑LSTM深度学习方法及多属性时序数据的故障诊断方法。其包括以下步骤：S1，采集系统的历史运行数据并进行数据预处理，之后基于CNN和LSTM建立故障诊断模型；S2，采集系统的实时运行数据并进行数据预处理，之后送入S1中建立的故障诊断模型进行处理，并输出诊断结果。本发明中，通过基于CNN和LSTM建立的故障诊断模型，能够很好地整合属性维度的特征信息和时间维度的时延信息，从而能够较佳地提高故障诊断的准确率和抗噪性。