基于自监督学习的编码器、变工况高频时域信号故障检测模型及构建方法、故障检测方法

本发明公开了一种基于自监督学习的编码器、变工况高频时域信号故障检测模型及构建方法、故障检测方法，首先进行自监督训练，我们将时序信号片段作为数，重建频域信号，作为我们的第一项损失。第二项损失为预测是否为变工况信号，让压缩特征更加关注工况信息。完成自监督训练后，我们进行故障检测推理。训练中，我们将时序信号分片为多片信号，输入到刚刚训练的自监督编码器中，得到聚合压缩特征。接着将压缩特征作为自注意力模块的K，将工况信息作为自注意力模块的Q，通过自注意力模块和MLP预测故障。解决了传统方法在变工况、高频信号复杂性以及实时性要求方面的局限性，显著提高了故障检测的准确性和鲁棒性。