一种基于自监督学习的旋转机械故障检测方法

本申请属于故障检测技术领域，公开了一种基于自监督学习的旋转机械故障检测方法，该方法使用KAN网络变换特征维度，同时引入RevIN归一化模块来消除信号分布不一致的负面影响，同时提出了一种改进的双向状态空间模型架构，其中，多尺度卷积融合模块提取局部和全局特征信息，并馈送至相应路径的状态空间模型进行时序建模，并且通过动态权重策略对多尺度卷积结果进行动态加权融合以及自适应平衡双向状态空间模型在时序建模中的贡献。本申请无需任何故障标注数据，训练成本极低的同时能够保持较好的故障检测性能，更符合实际工业场景需求。