一种基于多尺度特征学习与域自适应优化的小样本故障诊断方法

本发明涉及一种基于多尺度特征学习与域自适应优化的小样本故障诊断方法，包括：获取若干机械设备的历史异构故障数据作为源域数据集，获取目标机械设备的历史异构故障数据作为目标域数据集，并分别为源域数据集和目标域数据集设定标签空间；基于源域数据集和目标域数据集进行随机抽样组合，构建三元组数据集和域自适应数据集并输入双支路特征提取子网络，度量三元组特征嵌入距离，并结合三元组损失和域自适应损失构成的联合损失函数进行迭代训练，获取双支路故障诊断模型；采集目标机械设备的当前异构故障数据输入双支路故障诊断模型中，输出目标机械设备振动信号的故障分类。本发明能解决因小样本数据条件和数据分布差异带来的模型性能下降问题。