一种融合低频特征和自编码器的电动机异常识别方法

本发明涉及旋转类机械劣化趋势评估领域，具体是一种融合低频特征和自编码器的电动机异常识别方法，包括以下步骤：S1、采集目标电动机设备振动信号；S2、数据预处理；S3、搭建自编码器网络模型；S4、训练自编码器网络模型；S5、计算设备异常检测阈值指标；S6、部署应用。本发明通过自编码器自学习电动机健康运行状态的振动信号低频特征映射，跟踪重构特征与原始低频特征的均方误差并计算其统计学异常触发阈值，避免因直接提取振动信号监测指标而导致的特征信息丢失，增强对原始振动低频信号特征的提取，进而提前预估电动机异常状态，实现对电动机早期劣化的预警和运维。