基于改进去噪扩散模型的小样本机械故障诊断方法

本发明属于机械智能诊断领域，其具体公开了基于改进去噪扩散模型的小样本机械故障诊断方法，该方法包括：采集不同机械健康状态下关键传动部件的原始振动信号并进行预处理；利用短时傅里叶变换将一维时域信号转化为二维时频图；构建去噪扩散模型，改进模型结构；将转化好的时频图输入到改进的去噪扩散模型中进行训练；利用训练好的去噪扩散模型进行不同类型的样本生成，扩充原始数据集，形成新的数据集；将新数据集输出到构建的卷积网络中，完成故障诊断。该方法通过结合卷积神经网络进行故障诊断，利用增强后的数据集提升了诊断模型的精度和效率，相比传统方法，所提方法能够在小样本条件下实现更高的诊断精度。