基于特征相似度量与跨域均衡的多工况故障诊断方法、系统、介质及产品

本发明属于机械振动故障诊断领域，并具体公开了一种基于特征相似度量与跨域均衡的多工况故障诊断方法、系统、介质及产品，其通过不同工况下采集的故障信号对神经网络模型进行训练，在训练过程中，设计了相似性度量模块和跨域均衡模块以增强模型抗域干扰的分类能力和对域不变特征的提取能力；相似性度量模块为每个故障类别构建了一个原型，并通过原型对比损失来拉近不同工况下同一类别样本间的距离，提高同类样本间的相似度；跨域均衡模块通过最小化模型在不同工况下的最大解释方差，实现模型在不同工况数据集下表现性能的均衡，提高鲁棒性。本发明不仅能够识别预设工况下的故障类型，还能对实际生产环境中未知工况的故障进行准确识别。