一种基于GASF-SSM-MSR-FusionNet的轴承故障诊断方法及系统

本发明公开了一种基于GASF‑SSM‑MSR‑FusionNet的轴承故障诊断方法及系统，属于故障诊断技术领域，解决传统模型泛化能力弱、特征提取单一、准确率低的问题。方法包括：获取原始振动信号并划分数据集，通过GASF和SSM进行多维度数据预处理，分别生成相位关联特征矩阵与时间结构相似性矩阵；MS‑CNN通道通过多尺度卷积提取SSM矩阵的多粒度特征，ResNet通道利用残差网络挖掘GASF矩阵的深层抽象特征；经特征融合后通过全连接层输出故障类别的概率分布，实现精准诊断。该方案通过多模态特征互补、多尺度卷积与深层残差学习，显著提升轴承故障特征的表征能力，在复杂工况下可有效提高诊断准确率与泛化性能，适用于工业设备智能维护领域。