少样本故障诊断模型

5样本精度超98%

利用图像象限熵融合多尺度特征,在极少训练样本下实现高精度机械故障诊断。

Wang, Zhenya · Pan, Liang · Bai, Rengui · Yaming, Liu · 赵景山 · 姚立纲 · Jun, Zhang · 褚福磊

Advanced Engineering Informatics 2025

参数信息

诊断准确率
98.10 %
准确率提升(对比特征提取技术)
12.90 %
每类训练样本数
5

技术优势

少样本高精度

每类仅需5个训练样本即可超过98.10%的准确率,适合标注数据稀缺的场景。

提升显著

相比6种现有模型,准确率提升高达27.48%,优于已有方法。

特征优越

相比6种特征提取技术,准确率提升高达12.90%,特征提取更有效。

跨设备泛化

模型在不同机械设备之间表现出强泛化能力,具有显著实用价值。

应用场景