基于跨范式特征融合与小样本学习的异步电机红外图像故障诊断
简介：异步电机的红外图像故障诊断面临数据稀缺性和特征提取能力不足的挑战.为解决这一问题,提出了一种基于跨范式特征融合(CPFF)与小样本学习的故障诊断模型.该模型结合ConvNeXt提取局部特征与Swin Transformer提取全局特征,通过自空间自适应融合模块(SSAFM)实现高效特征融合.SSAFM利用自注意力和空间注意力机制进一步增强特征表达能力.模型在包含10种故障类别和空载状态的异步电机红外图像数据集上,以每类1张真实图像进行训练,并通过数据增强生成伪验证集优化超参数.实验结果表明,该模型在真实红外图像测试集上的分类精度可达到95.14％,显著优于ConvNeXt、Swin Transformer及其他先进分类模型.该研究可为小样本条件下的异步电机红外图像故障诊断提供解决方案.展开
关键词：异步电机红外图像故障诊断特征融合小样本学习
在线出版日期：2026-01-24 （网站首发日期）
