一种小样本下基于孪生神经网络的轴承故障诊断方法和系统

本发明提出一种小样本下基于孪生神经网络的轴承故障诊断方法和系统，涉及机械故障诊断与人工智能技术领域。方法包括：采集轴承X、Y、Z三轴振动信号，切片后经短时傅里叶变换生成时频灰度图以增强特征表达；构建同类与异类样本对训练集，采用权值共享的孪生神经网络模型进行训练，模型包含两个相同的子网络，通过计算样本对特征的欧氏距离并结合交叉熵损失函数优化模型参数；测试阶段基于One‑shot和N‑shot策略匹配未知样本，以最大相似概率判定故障类别。本发明在70条训练样本下实现95％以上准确率，显著提升小样本条件下的抗噪性与泛化能力，适用于工业设备低成本智能诊断。