摘要
本发明提供了一种基于半监督学习的设备故障诊断模型训练方法及装置，涉及人工智能技术领域，包括：对预设场景下的设备振动数据采集后，基于对应目标特征向量中的目标样本与预设训练样本集之间的特征相似性，生成目标样本对应的伪标签。将有限的高质量标注样本（监督学习）与大量未标注样本（无监督学习）有机结合，不依赖人工设定的工况规则，从特征层面分析进行样本相似性分析后生成对应伪标签。能够实现“以点带面”的知识迁移，基于此，构建设备故障诊断模型后，该模型能够有效应对不同工况、传感器通道、采样频率下的样本差异，适应复杂多变的工业环境需求，提高设备故障诊断精度。
