振动与电流融合的变工况电机抗噪智能诊断方法及系统

本发明公开了一种振动与电流融合的变工况电机抗噪智能诊断方法及系统，属于机电故障诊断领域，采用自适应调频模式分解和最大绝对值规则联合的特征融合方法，实现了电机振动信号和电流信号的瞬时频率提取与融合。本发明提出了基于卷积核宽度和深度优化的改进卷积神经网络故障诊断模型，解决了传统深度学习方法对电机机械和电气故障诊断准确率不高和模型性能退化问题。在此基础上，采用自适应批归一化算法用于增强故障诊断模型的抗噪性，所提故障诊断模型在高斯白噪声、色噪声和随机均匀分布噪声单一和混合存在时均具有高的故障诊断准确率，为变工况下感应电机的机械和电气故障抗噪智能诊断提供了一种有效解决方案。