基于认知引导与黎曼流形的跨轴承单样本智能诊断方法

本发明涉及一种基于认知引导与黎曼流形的跨轴承单样本智能诊断方法，属于旋转机械故障诊断技术领域。针对现有元学习方法在跨域单样本场景下全局任务分布学习能力不足、小样本过拟合及欧氏建模局限性等问题，提出认知引导黎曼元学习框架。技术方案包括：1)构建认知原型学习全局任务分布，指导模型从多任务中提取高质量通用元知识；2)设计认知自适应因子动态调节源域记忆，增强目标域适应，减少单样本偏差；3)引入黎曼度量驱动策略，将数据映射至格拉斯曼流形空间，利用测地距离增强非线性特征判别力。本方法在跨轴承单样本任务中平均诊断准确率达93.46％，较现有最优方法提升10.04％，提升了复杂工况下的精确性与泛化能力。