基于变换器和马氏距离的少样本轴承故障诊断方法

本发明公开了基于变换器和马氏距离的少样本轴承故障诊断方法，通过数据预处理将振动信号转换为频谱图，利用多尺度大核特征提取模块从频谱图中提取多尺度特征，生成支持数据集和查询数据集的特征向量；全局变换器通过交叉注意力机制处理全局信息，捕捉查询集与支持集的相关性；局部马氏距离的计算基于支持集的局部协方差矩阵，以度量局部相似性，确保鲁棒性；最后，通过加权融合全局和局部相似性并结合最近邻策略进行分类，确定轴承故障类别。本发明通过融合多尺度特征与全局局部信息，在少样本条件下显著提升诊断准确性和稳定性，减少对大规模数据的依赖，计算复杂度低，适用于工业场景中数据获取困难的轴承故障诊断需求。