基于多尺度卷积网络与MAML的轴承故障变工况诊断方法

本发明提供一种基于多尺度卷积网络与MAML的轴承故障变工况诊断方法，涉及设备故障诊断技术领域。本发明中，首先引入快速傅里叶变换对原始的时域振动信号进行预处理；其次应用了一种基于多尺度卷积网络与MAML的故障诊断模型；接着采用基于模型无关元学习的内外循环更新方法，使得模型能够在面对新任务时迅速适应，仅通过少量的微调即可达到较好的预测效果。本发明创新性地将多尺度特征提取与元学习相结合，显著提升了模型在变工况条件下的泛化能力，有效解决了传统故障诊断方法对单一工况和大样本量的依赖问题，特别适用于工业现场小样本、多工况的轴承故障诊断场景。