故障诊断模型训练方法、故障诊断方法及相关设备

本申请提供了一种故障诊断模型训练方法、故障诊断方法及相关设备。该故障诊断模型训练方法，将自监督学习应用于旋转机械故障诊断领域，通过深入分析时域和频域数据的内在关联，设计了一种结合时频特征的自监督学习策略。此外，为了进一步提升模型的学习效率和故障诊断的准确性，本申请还创新性地设计了一种新型交叉相关矩阵损失函数，旨在强化时域与频域特征之间的协调性和互补性，通过促进时域和频域中特征的相互预测和融合，提高故障诊断的准确性。通过在多个公开的滚动轴承故障数据集上进行实验验证，本申请在减少对标记数据依赖的同时，在准确率和鲁棒性上显著优于现有的故障诊断方法。