一种自适应稀疏融合网络的TBM电驱系统故障诊断方法

本发明公开一种自适应稀疏融合网络的TBM电驱系统故障诊断方法，属于TBM电驱动控制技术领域。对电驱系统多源运行数据进行去噪和时频域特征提取，构建多模态融合数据集；建立多任务诊断框架，通过可学习的模态权重向量动态分配最优模态组合；通过提出双支持向量分位数回归算法拟合温度变化上下界阈值，实现温度异常实时预警；基于任务梯度相似度构建任务冲突图，利用动态稀疏路径控制冲突任务的神经元激活范围；融合调制器对各任务结果进行置信度加权与决策补偿，输出故障类型及诊断依据。本发明解决多电机强耦合下弱故障信号被掩盖、误诊漏诊率高的问题，提升故障诊断的鲁棒性和准确性，保障了TBM电驱系统的运行稳定性与安全性。