Resumen

Para mejorar la eficacia del mantenimiento del motor y realizar la función de diagnóstico de fallos del motor en tiempo real, se propone un algoritmo de diagnóstico de fallos del motor basado en wavelet y en un mecanismo de atención. En primer lugar, la señal de vibración del motor se descompone mediante la transformada wavelet, y la señal de alta frecuencia se elimina para mejorar la relación señal-ruido. En segundo lugar, la banda de frecuencia y la dimensión temporal después de la descomposición wavelet se toman como datos de entrada, la red neuronal de convolución se utiliza para fusionar las características de la banda de frecuencia de los datos, y la unidad de bucle cerrado bidireccional se utiliza para fusionar las características de la serie temporal. A continuación, se utiliza el mecanismo de atención para integrar de forma adaptativa las características de diferentes puntos temporales. Por último, el diagnóstico y la predicción de los fallos del motor se realizan mediante el reconocimiento por clasificador. Los resultados experimentales muestran que, en comparación con el modelo de diagnóstico de fallos de aprendizaje profundo existente, este método tiene una mayor precisión de diagnóstico y puede diagnosticar con precisión el estado de funcionamiento del motor.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:motor, mecanismo de atención, modelo de diagnóstico de fallos de aprendizaje profundo, algoritmo de diagnóstico de fallos del motor, función de diagnóstico de fallos en el tiempo, diferentes puntos temporales, características de banda de frecuencia, mayor precisión de diagnóstico, diagnóstico de fallos del motor, señal de vibración del motor
• Keywords:motor, attention mechanism, deep learning fault diagnosis model, motor fault diagnosis algorithm, time fault diagnosis function, different time points, frequency band features, higher diagnosis accuracy, motor fault diagnosis, motor vibration signal