一种基于WRNN和跨块注意力机制的少样本轴承故障诊断方法

本发明公开了一种基于WRNN和跨块注意力机制的少样本轴承故障诊断方法，S1：获取样本数量不足的轴承故障数据集；S2：建立轴承故障诊断模型，包括：连续小波卷积模块用于从轴承故障数据集中提取得到融合多尺度时频信息的轴承故障特征，更好地学习有限的样本的轴承故障特征；全局特征学习模块用于基于跨块注意力机制提取得到全局轴承故障特征，减少了计算资源需求，提升了计算效率；局部特征学习模块用于采用WRNN算法提取得到局部轴承故障特征；S3：基于训练后的轴承故障诊断模型和实际获取的轴承运行数据进行轴承故障诊断。本发明能够在少样本情况下，降低误诊和漏诊的概率，为设备的维护和维修提供准确的依据。