元类增量迁移学习驱动的跨域终身智能诊断方法、设备及介质

本申请公开的元类增量迁移学习驱动的跨域终身智能诊断方法、设备及介质，涉及智能诊断领域，该方法包括：采用传感器振动信号构建增量任务，划分源域和目标域的支持、查询集；对于初始任务，采用内外循环训练策略，基于源域支持集训练元类增量迁移学习模型，采用目标域支持集调整训练参数；对于其他增量任务，采用多级融合知识蒸馏策略和内外循环训练策略持续进行增量任务学习，训练元类增量迁移学习模型，得到增量任务训练参数的模型，采用目标域支持集调整训练参数，输入信息增强目标域查询集得到最终的类增量迁移诊断结果。本申请能够解决现有类增量学习方法在类增量迁移场景下诊断性能受限、易受灾难性遗忘影响且模型泛化能力不足的问题。