一种基于证据深度学习的在线机械故障诊断方法

本发明属于机电装备故障诊断技术领域，公开了一种基于证据深度学习的在线机械故障诊断方法。该方法包括：初始化阶段，利用带标签源域数据预训练初始模型；在线自适应阶段，实时接收无标签目标数据流，依次进行基于频谱熵的标签校准以抑制过度自信预测、基于费舍尔信息的证据深度学习建模预测不确定性、引入信息最大化以增强输出置信度与多样性、以及采用证据一致性抗遗忘机制以缓解持续适应中的灾难性遗忘。本发明有效解决了动态工况下模型因分布偏移而性能下降、对未知故障检测能力不足以及伪标签噪声导致的误差累积等问题，显著提升了在线故障诊断的准确性、鲁棒性和自适应能力，适用于风电机组、发动机等旋转机械系统的实时智能监测。