一种基于原型自适应网络的小样本增量故障诊断方法

本发明提供一种基于原型自适应网络的小样本增量故障诊断方法，包括步骤：S1基础阶段数据获取与处理，对数据进行预处理并划分为伪基础数据集和伪增量数据集；S2伪特征提取网络训练，在伪基础阶段通过伪基础数据集训练PMCNN，为PAN提供特征嵌入；S3PAN训练：在伪增量阶段通过伪增量数据集训练PAN更新初步的原型表示；S4特征提取网络训练,利用完整基础数据集训练MCNN；S5增量阶段特征提取,通过MCNN提取新故障类别的特征并求解新故障类别的原型表示；S6原型表示更新与分类,利用PAN更新原型表示，基于余弦相似度进行故障分类。本发明能够在小样本条件下显著提高故障诊断的准确率，同时保持深度学习模型对旧类别的记忆能力，适用于复杂的工业故障诊断场景。