一种基于条件解耦表示增强网络的旋转机械故障诊断方法

本发明公开了一种基于条件解耦表示增强网络的旋转机械故障诊断方法，针对旋转机械数据类别不平衡和跨域故障诊断的场景，对采集到的旋转机械振动信号，利用深度卷积特征提取器捕捉来自已知源域和未知目标域的故障特征；通过解耦表示增强模块生成高质量类语义信息对高维特征空间中的少数类特征进行增强，从而平衡类间数据分布，减轻不同类别样本数量差异的影响，随后，通过条件判别对比损失提高对少数类的关注度，并加强同类跨域的类内特征紧致度；最终形成所需的不平衡域泛化机械故障诊断模型。该方法不仅可以克服类不平衡的影响，还可以提高对未知目标域的泛化能力以及鲁棒性，有效提高对旋转机械故障诊断的精确性。