基于物理信息驱动三重解耦特征机制的强噪声小样本轴承故障诊断方法

一种重噪声与小样本场景下基于物理信息的轴承故障诊断方法，属于智能状态监测与深度学习交叉技术领域。具体方法为：一、多尺度特征机制采用并行卷积分支，在不进行过早降采样的前提下捕获长期趋势、局部包络和瞬态冲击；二、低频滤波优化器在频域构建自适应指数衰减包络，以衰减高频高斯噪声；三、瞬态冲击调制注意力模块在时域应用残差缩放策略，识别并放大机械冲击峰值。本发明在CWRU和XJTU基准数据集上的评估表明，在少样本（10‑shot）和极端噪声（信噪比低至‑6dB）条件下，本文方法比现有基线模型具有更高的诊断准确率。此外，计算分析证实该网络保持了轻量化架构，有利于工业边缘端部署。