基于回溯原型网络的跨机器少样本故障诊断方法

本发明涉及一种基于回溯原型网络的跨机器少样本故障诊断方法，属于故障诊断技术领域。该方法首先通过多尺度混合空洞卷积特征提取模块，从复杂场景下采集的振动信号中提取出高度抽象的样本特征。接着，提出一种回溯原型表示与更新方法，利用数据的内在结构优化类原型，更准确地反映类的复杂分布，并有效减少批次间的原型振荡和特征分布差异。此外，提出一种新的相似度评价方法中心差异度量，计算数据内在结构之间的差异，为少样本诊断任务提供更灵活的相似性评估工具。最后，基于上述方法构建回溯原型网络，在有限样本条件下实现跨机器、跨工况的故障诊断。该方法在多个跨轴承少样本场景下均取得了优异的诊断性能。