一种基于扩展隔离林的无监督深度迁移学习轴承故障诊断方法

本发明提供了一种基于扩展隔离林的无监督深度迁移学习轴承故障诊断方法，该方法不需要大量有标记信息的训练样本来开发智能故障诊断模型，该方法的主要步骤为，从无标记非目标任务的数据集中提取基准数据并进行降噪处理；构建比较样本集，将基准数据与比较样本集中的每个比较数据进行拼接，形成重组数据；使用基于分数增强的扩展隔离林对重组数据进行评分，并根据评分结果和改进的海林格距离为重组数据标注故障类型；基于标注好的重组数据训练深度学习模型；获取无标签目标任务轴承数据和少量带标签目标任务轴承数据，基于少量带标签目标任务轴承数据对训练好的深度学习模型进行微调，使用微调后的深度学习模型对无标签目标任务轴承数据进行故障诊断。