基于联合加权多尺度迁移算法的滚动轴承故障诊断方法

基于联合加权多尺度迁移算法的滚动轴承故障诊断方法，通过基于JSD的分布损失度量方法，用于增强跨域特征的混淆与对齐，从而减少两域数据故障特征分布不一致带来的影响；然后，针对特征提取过程中可能出现的负迁移问题，设计了一种改进的伪标签目标域分类损失机制，通过自适应权重分配，有效调整不同目标域样本的损失权重，抑制负迁移效应，并促使特征提取器学习到更为鲁棒且跨域一致的特征；最后通过JWMS‑NET联合加权多尺度迁移神经网络，能够优化目标域的特征表示，灵活控制决策边界，从而进一步提升诊断精度。