基于度量的跨域少样本轴承故障诊断元学习关系网络方法

本发明公开一种基于度量的跨域少样本轴承故障诊断元学习关系网络方法，将来自不同工况的振动信号转换为二维时频图像，依据元学习训练策略将数据样本划分为元训练集和元测试集，每个集进一步细分为支持集和查询集；本发明设计残差收缩非局部特征提取模块，用于从支持集和查询集中提取并融合特征，采用非线性度量的神经网络计算支持集和查询集之间的相似度得分。本发明能够在少样本的情况下，甚至在未知工况和有限数据样本的条件下，实现快速且精准的轴承故障诊断。