一种基于迁移学习的旋转机械跨域故障诊断方法

本发明公开了一种基于迁移学习的旋转机械跨域故障诊断方法，该方法包括:利用传感器采集旋转机械的源域数据和目标域数据；基于特征提取模块、改进局部最大均值函数、加权因子和分类器，构建故障诊断模型；将源域数据输入到特征提取模块和分类器中，通过反向传播，得到最佳权重和源域分类损失；通过权重迁移，将目标域数据输入到权重迁移后的特征提取模块和分类器中，得到目标域的伪标签和分类损失；使用改进局部最大均值函数得到域对齐损失；使用加权因子调整得到总损失；将目标域测试数据输入到训练好的网络模型中，得到故障结果。本发明可以有效提取信号的故障特征，在跨工况条件下展现出更高的故障诊断准确率和更好的泛化性能。