一种基于多级特征对齐的小样本跨域故障诊断方法

本发明提供一种基于多级特征对齐的小样本跨域故障诊断方法，包括：采集源域与目标域下的旋转机械监测数据，构建目标域样本稀缺的跨域小样本故障诊断任务数据集；构建结合多头自注意力机制与归一化策略的扩散模型，生成具有目标域特征分布的增强样本；搭建融合源域、目标域及生成样本的共享特征提取网络，实现诊断特征的统一建模；设计联合损失函数，包括源域分类损失、双MMD分布对齐损失、跨域三元组损失和增强一致性正则项，构建多级特征对齐机制，实现目标域小样本情况下故障特征迁移和精准诊断。本发明方法在目标域数据稀缺情况下能有效迁移源域诊断知识，增强故障特征的判别能力和模型的跨域适应性，适用于复杂工况下的旋转机械智能诊断任务。