一、成果简介
本项目成果是针对传统故障诊断方法 “依赖人工特征提取”“难以识别细微故障信号” 的缺陷，构建了基于卷积神经网络（CNN）的端到端故障诊断模型。
技术核心在于 “信号预处理 - 深度特征提取 - 故障分类” 的一体化设计。首先，对传感器采集的原始时域信号进行预处理，结合快速傅里叶变换（FFT）将其转换为频域信号，同时通过变分模态分解（VMD）去除信号噪声，挖掘故障信号的细微特征；其次，构建适配传感器故障诊断的轻量化 CNN 模型，通过卷积层、池化层自动提取信号的深层特征，替代了传统的人工特征工程；最后，通过全连接层与分类器，实现对传感器 “线路故障”“采集模块故障”“通信模块故障” 等类型的精准分类。
该方法适用于工业无线传感网络、智能电网传感节点、医疗传感设备等对故障诊断精度要求较高的场景，其核心价值在于实现了传感器故障诊断的 “智能化、自动化”。
二、相关专利
基于卷积神经网络的无线传感器故障诊断方法（ZL 201910150809.5）
三、联系方式
项目单位： 福建师范大学泉港石化研究院（福建师范大学泉港低碳产业创新研究院）
联系人： 陈志德 联系电话： 13959158448
电子邮箱： zhidechen@finu.edu.cn
通讯地址：福建省泉州市泉港区驿峰西路596
