基于Tri-training的无源数据领域自适应旋转机械故障诊断方法

本发明公开了基于Tri‑training的无源数据领域自适应旋转机械故障诊断方法，包括以下几个步骤：S1，进行源域数据输入与初始三分类器训练；S2，进行目标域数据输入与伪标签生成；S3，进行结果打分与模型融合；S4，进行三个分类器协同训练；S5，进行迭代优化与自我调整；S6，进行目标域数据故障诊断结果输出。通过引入三个分类器的相互监督和自我训练，能够有效利用无标注数据进行模型优化。与其他无源数据领域自适应方法相比，本方法利用多个模型的反馈机制，通过不断迭代生成伪标签，提高了无标签目标域数据的利用效率和稳定性，逐步提高模型在目标域工况下的故障诊断精度，为动力系统旋转机械的故障诊断提供了一种高效可靠的解决方案。