基于频域注意力扩散模型的单域泛化旋转机械故障诊断方法

本发明公开了一种基于频域注意力扩散模型的单域泛化旋转机械故障诊断方法，包括以下步骤：获取旋转机械在源域工况下的振动信号；将所述振动信号输入基于频域注意力机制的扩散模型，生成包含噪声扰动和频域增强分量的特征表示；在故障诊断模型中对原始特征与增强特征进行频域特征融合，并通过逆傅里叶变换获得融合后的时域特征；引入嵌入损失函数约束融合特征与参考特征的差异性；将融合特征输入分类层，以预测旋转机械的故障类型。本发明通过频域注意力扩散模型、特征融合机制及嵌入损失函数的结合，提高单域条件下的特征多样性和模型泛化能力，无需多源域数据即可实现对未知工况的准确诊断，适用于工业旋转机械的故障检测与维护。