一种基于信号自分解和深度学习的机械装备故障诊断方法

本发明公开了一种基于信号自分解和深度学习的机械装备故障诊断方法，首先，获取待诊断的机械装备的实际故障数据，基于改进VMD算法进行自适应分解，得到多个本征模态分量，减少了人工干预度。其次，基于预设的信号评价指标对多个本征模态分量进行信号筛选和重构，得到重构信号，能够选择性地保留那些富含故障信息的分量，并有效降低噪声。最后，融合重构信号得到融合故障数据，输入至训练好的故障诊断模型，输出对应的故障分类结果。故障诊断模型采用双编码器的结构，具备较强的抗噪能力、优秀的特征提取性能、良好的泛化能力以及较高的分类准确度。最终，本发明实现高精确性的故障识别，同时提升了故障诊断的效率。