一种基于CNN与LSTM深度特征融合的故障诊断方法

本发明公开了一种基于CNN与LSTM深度特征融合的故障诊断方法，深度学习近年来在故障诊断领域得到广泛应用。但利用单个深度学习模型来进行特征提取和故障诊断将面临数据利用不充分、特征提取不全面的问题，从而影响故障诊断的精度。针对上述问题，提出了一种特征融合机制，使用两种不同的神经网络对一维序列数据和二维波形图数据分别做特征抽取：使用LSTM抽取一维序列数据的自相关特征，使用CNN抽取二维波形图数据的互相关特征。通过加入特征融合网络，实现两种神经网络特征互补融合的目的，而不同于现有的特征简单拼接融合。从而使数据利用更加充分，特征提取更加全面，故障诊断更加准确。