一种基于自学习卷积域对抗网络的跨域故障诊断方法

本发明提供了一种基于自学习卷积域对抗网络的跨域故障诊断方法，包括如下步骤：构建基于自学习卷积的自适应特征提取器，通过卷积参数自学习机制实现信号特征的动态感知；构造包括：基于自学习卷积的自适应特征提取器、带梯度反转层的域分类器以及故障分类器的自学习卷积域对抗网络；采用跨域联合训练策略，将源域和目标域数据集输入自学习卷积域对抗网络，同步优化跨域特征分布混淆损失与源域分类损失，实现源域与目标域特征对齐。本发明充分利用了自学习卷积可以根据不同域数据动态调整卷积核参数的优势，使模型在特征提取过程更好地适应跨域具有差异的数据分布，可有效提取并对齐源域和目标域的不变特征，显著提升了模型的跨域故障诊断性能。