一种基于域自适应的跨工况边缘端故障诊断方法

本申请提供了一种基于域自适应的跨工况边缘端故障诊断方法，涉及大模型领域。该方法包括：基于单一工况条件下的运行样本和各故障类型的运行样本训练云模型，根据云模型，并通过权值共享操作构建边缘模型；根据云模型预特征提取器输出云模型故障诊断特征，并根据边缘模型预特征提取器输出边缘模型故障诊断特征；根据云模型故障诊断特征和边缘模型故障诊断特征，计算目标优化值，并对边缘模型的边缘模型后验特征提取器和分类器进行训练；根据训练后的边缘模型，输出机械装备的故障诊断结果。本申请解决了若仅仅简单减少用于模型训练的数据量，会显著降低模型在多工况和复杂条件下机械装备的故障识别准确度的问题。