本工具是一款专业的 电机故障诊断研究助手, 采用先进的 SDP图像转换 技术将一维振动信号转化为二维特征图,并结合 融合自注意力机制U-net 神经网络进行深度分析。 能够精准识别 轴承故障、转子断条、气隙偏心 等常见电机故障, 为工业设备维护提供强有力的数据支持。
对称点模式将一维时间序列信号转换为二维图像,保留了信号的相位信息和非线性特征,为卷积神经网络提供更丰富的输入。
结合自注意力机制的U-net网络能够捕捉图像中的长距离依赖关系,聚焦于故障特征区域,显著提高微小故障的识别准确率。
适用于各类旋转机械,特别是感应电机、风力发电机及变速箱的轴承与转子故障诊断。
您的输入数据将被模拟转换为SDP图像特征,随后输入到训练好的U-net模型中进行推理分析。