一种持续无监督域适应故障诊断方法

本发明公开了一种持续无监督域适应故障诊断方法，采集旋转机械设备的源域和目标域故障数据；采取基于度量和表征学习的原型对比学习策略，用源域数据预训练故障诊断模型，得到均匀分割的单位超球面特征空间，故障诊断模型包括特征提取器和余弦相似度分类器；冻结源域预训练得到的原型，对故障诊断模型进行结合源域数据的有监督训练，实现对目标域的持续域适应；进行源特征知识蒸馏和局部域对齐，并最大化特征与原型之间的互信息损失，结合源域数据对故障诊断模型进行有监督训练；故障诊断模型完成当前所有目标域的学习后，应用到实际故障诊断中。本发明能快速有效地适应新的数据分布，并保持模型在历史数据分布上的性能，避免知识遗忘。