残差域扩散模型

小样本故障诊断增强

该模型仅在残差域进行扩散建模，突出故障相关随机变化，生成与真实数据高度一致的样本，从而提升小样本条件下的诊断性能。

Yongjie, Li · 李彬彬 · Yu, Zhang

Machines 2026

技术优势

只学故障相关变化

只在残差域做扩散建模，过滤掉趋势和季节等确定性成分，让模型集中学习故障引起的随机波动。

生成结果更真实

在渥太华和帕德博恩数据集上，生成样本与真实数据高度一致，有助于下游诊断模型适应真实数据分布。

少样本也能训

在多种合成数据辅助设置下均能提升诊断性能，为数据不足场景提供可靠增强途径。

应用场景

• 电机故障诊断：直接用生成故障样本扩充小样本训练集，提升诊断模型准确率。
• 工业物联网：在边缘侧部署生成模型，为在线监测系统补充稀缺故障样本。
• 旋转机械健康管理：生成典型故障信号，支撑旋转机械健康评估与寿命预测模型训练。