故障診斷方法結(jié)合智能技術(shù)主要體現(xiàn)在以下幾個(gè)方面。

首先，基于故障離散小波變換的智能機(jī)器故障診斷方法，通過(guò)信號(hào)采集和預(yù)處理，去除干擾提高信號(hào)質(zhì)量，再進(jìn)行故障特征提取，選擇關(guān)鍵特征并輸入分類(lèi)器進(jìn)行故障分類(lèi)與診斷。

其次，深度學(xué)習(xí)與故障離散小波變換結(jié)合，采集預(yù)處理故障信號(hào)，提取頻譜信息輸入深度學(xué)習(xí)網(wǎng)絡(luò)，實(shí)現(xiàn)智能化診斷。

再者，多源數(shù)據(jù)融合應(yīng)用于故障離散小波變換，采集多傳感器數(shù)據(jù)融合后進(jìn)行變換，訓(xùn)練模型實(shí)現(xiàn)精準(zhǔn)診斷。

還有，局部特征和離散小波變換相結(jié)合，采集振動(dòng)信號(hào)提取局部特征后進(jìn)行變換，選擇頻譜特征和分類(lèi)器進(jìn)行診斷。

另外，優(yōu)化算法與故障離散小波變換結(jié)合，通過(guò)算法選取最佳小波基函數(shù)，提高診斷準(zhǔn)確性和可靠性。

在交通機(jī)電設(shè)備故障智能診斷中，采用稀疏分解算法提取故障信號(hào)特征，利用希爾特變換法修正信號(hào)，構(gòu)建訓(xùn)練字典識(shí)別故障類(lèi)型。

在機(jī)電作動(dòng)器故障診斷中，基于一維卷積神經(jīng)網(wǎng)絡(luò)，直接以原始信號(hào)為輸入，將特征提取和分類(lèi)合二為一，實(shí)現(xiàn)端到端智能診斷，無(wú)需人工特征提取，具有高準(zhǔn)確率、短診斷時(shí)間、強(qiáng)泛化和魯棒性等優(yōu)點(diǎn)。

礦山機(jī)電設(shè)備的智能故障診斷，涵蓋數(shù)字建模、數(shù)據(jù)采集、識(shí)別分析、狀態(tài)預(yù)測(cè)和信息處理等技術(shù)，故障原因包括配合關(guān)系、超出設(shè)備負(fù)荷、設(shè)備損耗等，診斷類(lèi)別有事后檢修、周期檢修和狀態(tài)檢修，診斷方法包括參考?xì)v史記錄和智能診斷。