基于谱相关增强神经网络可解释性的轴承故障诊断方法

本发明公开了一种基于谱相关增强神经网络可解释性的轴承故障诊断方法，首先对信号进行基于短时傅里叶变换的谱相关计算；其次根据故障频率幅值中心数据值筛选出携带故障信息最多的谱相关行向量，作为神经网络的输入值；接下来设计射精网络结构包括至少一层卷积与池化层、一个全连接层和Dropout机制，最终通过Softmax实现多类别故障状态输出；最终对神经网络进行训练，迭代收敛后得到训练完成的网络模型。本发明方法是基于谱相关方法增强故障特征，并利用故障频率处幅值中心数据值作为评估参数，以此种形式在训练样本种嵌入故障信息，对谱相关矩阵进行筛选，提高模型可解释性，进而优化模型的鲁棒性，并基于一维卷积神经网络实现故障诊断。