一种故障诊断方法、装置、设备及存储介质制造方法及图纸

本申请提供一种故障诊断方法、装置、设备及存储介质，涉及故障诊断技术领域，本申请包括：将待检测设备的故障数据执行经验模态分解，生成故障数据的分解数据；对分解数据执行连续小波变换，生成分解数据的小波时频图数据；将小波时频图数据输入预训练的Swin‑Transformer模型，获取预训练的Swin‑Transformer模型输出的故障诊断信息。本申请基于自注意力机制的深度学习算法，能够实现更准确的故障诊断，算法复杂性低、可迁移性强，并且能够处理不同类型和尺寸的数据输入，可以适应不同故障类型和工况条件，能够自动学习数据中的特征表示，无需过多的预处理和特征工程，简化了数据采集和处理的流程，提高了故障诊断的效率。

【技术实现步骤摘要】

本申请涉及故障诊断，尤其涉及一种故障诊断方法、装置、设备及存储介质。

技术介绍

1、机械设备在使用过程中难免出现故障，尤其是旋转机械设备例如轴承、电机、发电机、泵、风机、压缩机等，故障率更高。故障诊断设备可以帮助监测和预测机械设备的运行状态，及时发现故障并进行维修，以确保生产线的正常运行和生产效率的提高等。总之，故障诊断设备的应用范围非常广泛，可以在各个领域中提高设备的可靠性、安全性和运行效率，减少故障带来的损失和维修成本。

2、现有的故障诊断设备诊断设备故障的方法是：在采集到传感器发送的故障数据后，对故障数据进行预处理，由机器学习算法或神经网络模型对预处理后的故障数据进行分析，以检测机械设备的故障。

3、然而，现有的诊断设备故障的方法，具有以下的缺陷：一是采用的机器学习算法或神经网络模型无法有效提取故障数据中的关键特征，导致故障诊断的准确性低；二是采用的机器学习算法或神经网络模型算法复杂性高，需要较长的计算时间，降低了故障诊断的效率；三是采用的机器学习算法或神经网络模型可迁移性差，对不同设备的适应能力与泛用性差；四是不能有效对不同本文档来自技高网...

【技术保护点】

1.一种故障诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述将待检测设备的故障数据执行经验模态分解，生成所述故障数据的分解数据，包括：

3.根据权利要求2所述的方法，其特征在于，所述将所述内涵模态分量数据执行希尔伯特变换，生成所述内涵模态分量数据的包络谱数据，包括：

4.根据权利要求2所述的方法，其特征在于，所述对所述分解数据执行连续小波变换，生成所述分解数据的小波时频图，包括：

5.根据权利要求1所述的方法，其特征在于，所述将所述小波时频图数据输入预训练的Swin-Transformer模型，获取所述预...

【技术特征摘要】

1.一种故障诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述将待检测设备的故障数据执行经验模态分解，生成所述故障数据的分解数据，包括：

3.根据权利要求2所述的方法，其特征在于，所述将所述内涵模态分量数据执行希尔伯特变换，生成所述内涵模态分量数据的包络谱数据，包括：

4.根据权利要求2所述的方法，其特征在于，所述对所述分解数据执行连续小波变换，生成所述分解数据的小波时频图，包括：

5.根据权利要求1所述的方法，其特征在于，所述将所述小波时频图数据输入预训练的swin-transformer模型，获取所述预训练的...

【专利技术属性】
技术研发人员：姜天尚，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：