一种基于多视图shapelet原型网络的少样本故障增量学习方法

本发明公开了一种基于多视图shapelet原型网络的少样本故障增量学习方法，包括如下步骤：步骤一、获得初始训练样本D0，初始训练样本D0包括训练集和验证集步骤二、对训练集初始化，然后输入多视图shapelet原型网络进行预训练，得到预训练好的多视图shapelet原型网络；多视图shapelet原型网络的输出包括多视图shapelet集步骤三、对预训练好的多视图shapelet原型网络进行元训练得到最终的多视图shapelet原型网络和元矫正模块。本发明通过横向联系融合多视角信息，因此，旧类原型和新类原型之间的语义鸿沟得以弥合。总之，提取的多视角小形包含了判别波形的部分关键信息，能够识别任意持续时间的新故障。