一种基于迁移学习的旋转机械故障诊断方法

本申请提供了一种基于迁移学习的旋转机械故障诊断方法，包括：对获取到的原始振动信号进行多模态噪声抑制处理，生成降噪数据集；将降噪数据集输入多层深度残差网络进行特征提取，得到时空同步特征集；其中时空同步特征集包括源域数据和目标域数据；将时空同步特征集输入到基于物理约束的多核域对齐模型，得到域不变特征；通过对抗迁移故障分类器对域不变特征进行故障诊断，得到目标域故障类型。采用本方法能够实现强噪声环境下跨工况、跨传感器等多重域差异场景的高鲁棒性诊断。