【技术实现步骤摘要】
本专利技术涉及电机轴承故障诊断领域，具体为一种融合无监督参数学习的电机轴承故障诊断方法及系统。
技术介绍
1、轴承是电机中的重要部件，广泛的分布于电机驱动端以及传动系统中。电机失效大都由轴承故障引起，轻则造成机器停机影响生产，重则导致人员伤亡和财产损失。因此轴承的健康监测和故障诊断对电机的可靠运行至关重要。
2、智能故障诊断能够快速处理大量的监测信号，提供准确的故障诊断结果，在电机轴承故障诊断中发挥重要作用。通常智能诊断框架包括三个主要步骤：首先获取轴承的振动信号，然后根据震动信号提取特征，根据提取特征进行轴承的故障分类，传统特征提取算法基于时域统计分析、傅立叶谱分析、小波变换等信号处理技术从原始信号中提取具有代表性的特征。这一过程很大程度上依赖信号处理技术以及诊断经验等先验知识，同时提取的特征无法迁移至其他诊断问题。此外传统提取算法缺乏对数据的全面认识，难以保证提取特征能够准确揭示出监视信号中蕴含的故障信息。
技术实现思路
1、针对现有技术中存在的问题，本专利技术提供本专利技...
【技术保护点】
1.一种融合无监督参数学习的电机轴承故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种融合无监督参数学习的电机轴承故障诊断方法，其特征在于，步骤1所述分片处理的方法如下：
3.根据权利要求1所述的一种融合无监督参数学习的电机轴承故障诊断方法，其特征在于，所述白化处理的方法如下：
4.根据权利要求3所述的一种融合无监督参数学习的电机轴承故障诊断方法，其特征在于，所述特征分解的方法如下：
5.根据权利要求1所述的一种融合无监督参数学习的电机轴承故障诊断方法，其特征在于，步骤2中所述自编码模型包括去噪自编码...
【技术特征摘要】
1.一种融合无监督参数学习的电机轴承故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种融合无监督参数学习的电机轴承故障诊断方法，其特征在于，步骤1所述分片处理的方法如下：
3.根据权利要求1所述的一种融合无监督参数学习的电机轴承故障诊断方法，其特征在于，所述白化处理的方法如下：
4.根据权利要求3所述的一种融合无监督参数学习的电机轴承故障诊断方法，其特征在于，所述特征分解的方法如下：
5.根据权利要求1所述的一种融合无监督参数学习的电机轴承故障诊断方法，其特征在于，步骤2中所述自编码模型包括去噪自编码器、dropout自编码器和稀疏自编码器。
6.根据权利要求...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。