一种基于证据理论与级联神经网络的边缘端故障诊断方法

本发明具体涉及一种基于证据理论与级联神经网络的故障诊断方法，包括：采集边缘端设备的机电动作器当前的传感器数据，并对当前的传感器数据进行数据预处理以获取中间数据；基于预设的窗口大小和滑动步数对中间数据进行编码，获取待处理数据；将所述待处理数据输入已训练的边缘端故障诊断模型，利用一级分析网络对待处理数据进行特征提取，获取第一时序特征，以及基于第一时序特征生成的第一故障分类预测结果和对应的置信度参数；将所述置信度参数与预设的不确定性阈值进行比对，并在所述置信度参数大于所述不确定性阈值时，将所述时序特征数据输入二级分析网络；利用二级分析网络对所述第一时序特征进行特征分析，获取输出的第二故障分类预测结果。