一种基于多维度知识迁移的故障诊断方法

本发明公开了一种基于多维度知识迁移的故障诊断方法，该方法包括：获取源域数据集和多目标域数据集；基于数据知识和语义知识引导构建双分支神经网络模型，并对其进行训练，以最小化双分支神经网络模型的总损失函数为优化目标，优化模型参数；其中，该模型包括M+1个数据知识引导分支网络和M+1个语义知识引导分支网络；利用训练好的双分支神经网络模型进行不同目标域的故障诊断任务。本发明能够解决传统迁移学习中强行对齐分布导致的负迁移问题，从多维度知识融合、交互、驱动的角度，实现源域到多目标域的有效知识迁移；可以在各类迁移学习场景下，应用于工业运维、快速部署迁移的工业故障诊断任务中，具有良好的学习效果和泛化能力。