一种面向单一领域泛化的滚动轴承智能故障诊断方法

一种面向单一领域泛化的滚动轴承智能故障诊断方法，该方法设计不同尺度的特征提取器分支，通过对抗性训练混淆不同分布却蕴含相同故障信息的各分支特征，并设计量化的熵指标加权各分支特征，使特征提取器可以提取具备跨分支一致性的鲁棒诊断特征；同时，利用最小化分类熵提升各分支分类结果的紧凑性，并进一步通过范数约束各分支分类边界的一致性，最大化了分类器的学习效果。该方法能够以更简明的方式解决在单一源域数据限制下有效泛化至未知目标域进行故障诊断的问题。