一种少标签样本的LG-LapSVM半监督学习阀门泄漏故障诊断分类方法及系统

本发明提供了一种少标签样本的LG‑LapSVM半监督学习阀门泄漏故障诊断分类方法及系统，首先通过声发射传感器采集不同内漏状态信号，提取排列熵、全局节点出链熵、注意力熵与全局有序模式注意力熵并串行融合构建组合特征向量；然后采用（李群拉普拉斯支持向量机）半监督分类器，在仅有少标签样本的条件下，同时利用大量无标记样本学习数据流形几何结构并嵌入李群变换不变性约束，实现液压阀内漏状态的高精度、高鲁棒性识别。本发明有效解决了少标签场景下单一熵特征表征不足、传统分类器对高维复杂信号泛化能力弱的问题，显著提升了内漏识别的准确性与稳定性。