一种基于有序时频信息的改进元学习故障诊断方法

本发明提供一种基于有序时频信息的改进元学习故障诊断方法，涉及故障诊断技术领域。本发明对数据预处理时的时频信息进行有序排放，组成特征矩阵，基于改进的元学习网络构建故障诊断的模型，并利用训练和调试后的模型进行设备的故障诊断；改进的元学习网络模型包括顺次连接的空间注意力模块、改进多尺度卷积模块、卷积模块以及全连接层。本发明的故障诊断方法能从多维度提取原信号数据中所含的特征信息，同时对其进行特征强化，在一定程度上可以抵抗噪声信号影响，相比于传统的故障诊断技术，提高了故障诊断的精度和鲁棒性。