【技术实现步骤摘要】
本专利技术属于轴承检测，具体涉及一种基于多视图轴承振动频率数据的轴承故障诊断方法、装置及电子设备。
技术介绍
1、传统的基于振动频率数据的轴承故障诊断方法通过时频域变换存储二维图像数据，实现轴承信号一维数据到二维图像数据的转换，以此构建适合于轴承二维图像数据轴承网络故障诊断模型。传统方法通常仅将时频数据转换为二维图像数据，而不同转换方法所提取轴承振动频率特征存在较大差异，如短时傅里叶变换(stft)是利用滑动时窗对信号进行频谱截断计算，从而得到时间与频率之间的关系，时间分辨率由滑窗宽度决定，连续小波变换(cwt)为将傅里叶变换中的无限长三角函数基转换为一个更短的函数，这样就可以更好地描述信号的局部特征，同时也可以更好地应对突变和非平稳的情况，解决了信号局部性和没有时频分析的问题。
2、在利用不同视图信息构建轴承网络故障诊断模型时，该模型充分利用stft中的全局信息(时间与频率的关系)和cwt中的局部信息，由于利用特征独立生成方式生成的融合特征直接作用于检测识别网络，会使其检测识别性能过分依赖于融合特征，出现当特征融合不稳定时...
【技术保护点】
1.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所述的轴承故障诊断方法，其特征在于：所述末尾卷积层提取的卷积特征包括所述第三卷积特征和第四卷积特征，所述所有融合特征包括所述第一融合特征和第二融合特征。
3.根据权利要求1所述的轴承故障诊断方法，其特征在于，在所述进行故障检测之前还包括以下步骤：
4.根据权利要求3所述的轴承故障诊断方法，其特征在于：所述末尾卷积层提取的卷积特征包括所述第五卷积特征和第六卷积特征，所述所有融合特征包括所述第一融合特征、第二融合特征和第三融合特征。
5.根据权利要求3所述的...
【技术特征摘要】
1.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所述的轴承故障诊断方法，其特征在于：所述末尾卷积层提取的卷积特征包括所述第三卷积特征和第四卷积特征，所述所有融合特征包括所述第一融合特征和第二融合特征。
3.根据权利要求1所述的轴承故障诊断方法，其特征在于，在所述进行故障检测之前还包括以下步骤：
4.根据权利要求3所述的轴承故障诊断方法，其特征在于：所述末尾卷积层提取的卷积特征包括所述第五卷积特征和第六卷积特征，所述所有融合特征包括所述第一融合特征、第二融合特征和第三融合特征。
5.根据权利要求3所述的轴承故障诊断方法，其特征在于，在所述进行故障检测之前还包括以下步骤：
6.根据权利要求5所述的轴承故障诊断方法，其特征在...
【专利技术属性】
技术研发人员：孙翠翠，刘艳，曹志勇，沈毅祥，谢邦天，李晶晶，
申请(专利权)人：微特技术有限公司，
类型：发明
国别省市：
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。