开集跨域故障诊断模型的训练方法、装置及设备

本申请公开了一种开集跨域故障诊断模型的训练方法、装置及设备，其包括：通过根据不同工况将M+1个旋转机械振动信号划分为M+1个域，将M个源域输入预设模型中对预设模型进行闭集训练，得到源域模型；对下述步骤A‑B迭代执行N次，得到目标未知检测器；步骤A，通过源域模型对目标域中的无标签数据进行分类，得到已知类别数据和未知类别数据；步骤B，根据已知类别数据和未知类别数据进行细粒度训练；确定源域模型和目标未知检测器构成开集跨域故障诊断模型。利用了源域中的有标签数据，通过迭代训练逐步学习目标域中的无标签数据，降低对标签数据的依赖。在目标域中的标签数据稀缺或难以获取时，仍能够进行故障诊断，提高了开集跨域故障诊断的稳定性。