一种基于MOCO孪生神经网络的核电厂转动部件故障诊断方法

本发明涉及一种基于MOCO孪生神经网络的核电厂转动部件故障诊断方法，包括：获取转动部件的传感器信号，对传感器信号进行预处理，获取包含丰富空间位置信息的时频特征；将时频特征输入MoCo‑SINN模型，获取输入特征；MoCo‑SINN模型利用小样本训练集训练孪生神经网络模型，并结合FocalLoss损失函数更新模型参数获得；利用小样本训练集训练孪生神经网络模型包括：通过字典查询任务的形式以及动量编码方式，优化小样本训练集训练孪生神经网络模型的过程；对输入特征进行相似性度量计算，最后通过解码器获取转动部件的故障诊断结果。本发明通过动量变换以及字典查询的方式，有效解决小样本下的故障诊断问题。