一种基于变分贝叶斯在线学习的边缘端故障诊断方法

本发明具体涉及一种基于变分贝叶斯在线学习的边缘端故障诊断方法，所述方法包括：采集边缘端设备的机电动作器当前的传感器数据，并对当前的传感器数据进行数据预处理以获取待处理数据；将所述待处理数据、波束宽度K输入已训练的边缘端故障诊断模型，结合待处理数据进行变化点检测以判断传感器数据是否发生变化，并配置对应的状态变量；在状态变量标识传感器数据变化时，结合待处理数据、状态变量进行更新变分参数，实现对边缘端故障诊断模型的在线学习和更新；利用更新后的边缘端故障诊断模型对待处理数据进行评估，确定对应的当前的故障分类结果。本方法能够有效地支持边缘设备的故障诊断，提升系统的鲁棒性与可靠性。