一种融合领域内半监督对比学习的旋转机械迁移学习故障诊断方法

本发明提供一种融合领域内半监督对比学习的旋转机械迁移学习故障诊断方法。在本发明中，设计了一种领域内半监督对比学习(SSCL)算法，SSCL以类别信息为监督，指导了各领域内不同类别的判别性学习来消除模糊分类边界，并为采用局部最大均值差异(LMMD)进行的跨域特征的领域适应提供便利，进而提升跨工况诊断性能。同时，以动态的限制相关的对比学习损失和迁移学习损失增益的方式，并引入领域对抗，来减小质量不佳的目标域伪标签给SSCL和特征迁移学习带来的负面影响，来提升诊断模型的稳定性。