一种基于深度自学习的故障特征自动提取方法

本发明公开了一种基于深度自学习的故障特征自动提取方法，包括如下步骤：S1、获取目标设备的原始时间序列信号并执行快速傅里叶变换，得到频域频谱幅值序列；S2、构建频谱全局平滑序列并获取频域谱残差序列；S3、基于谱残差构建频域谱残差图结构模型；S4、将图模型输入改进的谱残差图自编码器，提取频域嵌入特征表示；S5、将嵌入特征输入蒙德里安森林增量分类模型进行故障类型分类与模型更新；S6、基于分类反馈优化图自编码器参数；S7、聚合并重构嵌入特征，生成目标设备故障特征表示。本发明可实现复杂频域特征的自动提取与故障智能诊断。