基于持久同源和深度元迁移的物流运输装备故障诊断方法

本申请涉及一种基于持久同源和深度元迁移的物流运输装备故障诊断方法。所述方法包括：首先，采集物流运输装备的振动信号，并进行特征提取，得到故障拓扑特征；之后，基于所述故障拓扑特征对基于深度元迁移的多任务学习模型进行预训练，得到预训练学习模型；之后，对所述预训练学习模型分别进行外部和内部训练，得到最优初始化深度元迁移学习模型；最后，将待诊断样本输入所述最优初始化深度元迁移学习模型进行特征学习，计算分类概率，输出故障识别结果。基于持久同源机制生成包含故障拓扑特征的条码图，并通过涉及内外部训练相结合的深度元迁移学习模型，解决了数据稀缺问题，充分提高数据利用率，有效提升了在不同工况下的故障诊断精度和鲁棒性。