基于多模态数据融合伪孪生神经网络航空发动机轴承故障诊断方法及系统

本发明涉及机械设备故障诊断领域，公开了一种基于多模态数据融合伪孪生神经网络航空发动机轴承故障诊断方法及系统，其包括：获取航空发动机轴承故障振动信号的时间序列数据，将获取的时域振动信号进行预处理，并将时域振动信号转换为GASF图像；将处理后的振动信号及图像输入三通道伪孪生神经网络模型，分别将预处理后的时域振动信号通过一维简化变分核CNN和一维物理指导CNN分支进行特征提取；同时，将GASF图像通过二维CNN分支提取GASF图像信息，并在全连接层进行多模态特征融合；基于冠豪猪算法优化GRU模型，对GRU模型的超参数进行优化，将融合后的多模态特征输入优化后的GRU模型，输出故障分类结果。本发明有效提高了故障分类的性能。