一种基于多尺度特征融合和增量学习的时频图故障诊断方法与设备

本发明属于设备零部件故障诊断相关技术领域，其公开了一种基于多尺度特征融合和增量学习的时频图故障诊断方法与设备，步骤为：(1)采用旧类别数据作为训练数据，对初始神经网络进行训练以得到能够对旧类别数据对应的故障进行分类的模型ModelZ；(2)将新类别数据分为预定批次，进而基于增量学习对模型ModelZ进行训练以得到能够对新类别数据识别的模型ModelX(k)及能够对新类别数据及旧类别数据对应的故障进行分类诊断的模型ModelY(k)(3)将待测设备的实时时域信号转换成二维时频图像后输入到模型ModelX(k)，以得到当前的旧类别数据及新类别数据，进而模型ModelY(k)实现故障类别分类。本发明提供了效率及准确性。