基于多维特征提取的深度学习轴承故障诊断方法

本申请提供的基于多维特征提取的深度学习轴承故障诊断方法，包括：采集来自平台驱动端、风扇端的振动信号，并对振动信号进行预处理，获取预处理数据；基于预处理数据，从时域、频域和时频域三个方面提取特征变量；将特征变量输入CNN‑BiLSTM、CNN‑Transformer、CNN‑TCN三种深度学习网络，进行故障位置和故障类型的诊断。本申请从时域、频域和时频域三个方面提取特征变量，实现了对轴承振动信号的全面表征，为后续的诊断模型提供了比单一域特征更丰富、更鲁棒的判断依据，显著提高了在复杂工况下故障诊断的准确性。