基于自监督与增量学习的设备状态偏离识别方法

本发明提供一种基于自监督与增量学习的设备状态偏离识别方法，该方法包括：S1、获取设备在无故障状态下的时序数据，构建正常状态模型；S2、在运行期间，通过所述正常状态模型对实时数据进行偏离检测，得到偏离程度指标；S3、根据所述偏离程度指标与预设阈值比较，判断异常事件；S4、通过人工验证所述异常事件，确定新正常状态数据；S5、根据所述新正常状态数据更新所述正常状态模型。无需依赖故障样本，通过自监督学习建立设备正常行为模型，引入偏离指标量化状态差异，结合人工反馈与增量学习形成闭环，使模型具备自适应性与长期进化能力。