一种旋转机械样本极度不平衡条件下的智能故障诊断方法

本发明涉及一种旋转机械样本极度不平衡条件下的智能故障诊断方法，属于旋转机械智能故障诊断领域。所述方法，包括：利用旋转机械可大量获得的正常状态样本与极度缺少的故障状态样本进行组合；构造正常状态样本与故障状态样本的对比矩阵；利用对比矩阵，设计一种全新的对比学习损失函数；构建基于胶囊神经网络特征编码器与基于全连接神经网络相似性计算网络；结合对比学习损失函数与正常、故障状态样本，对网络结构的参数进行优化；运用得到的特征编码器，设计故障诊断算法，实现旋转机械在线故障诊断。本发明突破了故障状态样本与正常状态样本实际中不平衡的限制，利用极少故障状态样本建立旋转机械智能故障诊断模型，实现了其故障的高精度诊断。