基于可解释无监督域适应注意力网络的旋转机械故障诊断方法、系统、介质及设备

本发明涉及机械设备故障诊断领域，公开了一种基于可解释无监督域适应注意力网络的旋转机械故障诊断方法、系统、介质及设备，包括：将获取的旋转机械设备故障部件的振动数据预处理后，构建源域有标签数据集和目标域无标签数据集，将源域有标签数据传输至Stockwell变换卷积层提取时频特征；采用时序注意力机制TAM将时频特征进行增强后，输入ResNet18‑1D进行深层次特征提取和融合，输出预测类别。同时联合源域的有标签数据计算得到的分类损失，与目标域的无标签数据通过领域差异损失进行联合优化，进行源域与目标域之间的知识迁移；在模型反向传播过程中，通过用于一维时间序列数据的事后可解释可视化方法1D Grad‑CAM++对振动信号进行响应区域分析，以将模型关注区域进行精确定位。本发明能兼顾诊断性能、事前可解释性与事后可解释性。