轴承在线持续学习故障诊断模型

本发明公开了一种轴承在线持续学习故障诊断模型，涉及轴承故障诊断技术领域。所述模型包括数据预处理模块、特征提取模块、决策融合模块和OS‑ELM诊断模块，该模型结合两阶段分类策略、动态阈值调整和记忆回放机制构建了完整的故障诊断框架。通过融合时域、频域、时频和深度特征的多维特征表示体系，并结合模型隔离与决策融合机制，首先对持续数据流中的新故障类型进行高效检测识别；随后利用专属特征分析和记忆回放机制缓解灾难性遗忘问题，有效平衡旧任务准确率与新故障检测能力。所述模型在旧故障类型检测能力和新故障检测率方面均表现良好，同时能够保持较低的灾难性遗忘率。