一种旋转机械故障诊断方法

本发明公开一种旋转机械故障诊断方法，通过在旋转机械关键部位采集振动、温度、声发射和电流信号，经滤波降噪等预处理后，提取时域、频域等特征参数；将特征参数输入支持向量机等机器学习模型，结合卷积神经网络、长短期记忆网络等深度学习模型，并利用数字孪生模型对比分析，融合诊断结果输出故障类型、位置、严重程度及维修建议。该方法克服单一诊断局限，多源信号互补、多模型协同，精准诊断故障，提升诊断可靠性，为设备维护提供科学依据，对保障旋转机械安全运行、降低维护成本、推动工业智能化发展意义重大。