基于扩散模型的跨域小样本故障诊断

来源：振动与冲击杂志2025年第18期北京时间：

作者：赖梓航，罗灵鲲，徐德胜，胡士强sqhu@sjtu

单位：1.上海交通大学航空航天学院，上海200240;2.大型客机集成技术与模拟飞行全国重点实验室，上海201210

摘要：基于深度迁移学习优化的民机故障诊断模型有效解决变工况民机故障诊断任务，进而保障民机部件在复杂工况下的故障诊断任务需求。然而，民机的高安全性需求造成设备故障样本稀缺，进而导致变工况故障诊断任务的高置信度故障样本严重不足且影响故障模型推断。针对上述研究短板，本研究提出了基于条件扩散的故障诊断算法（Condition Diffusion based Fault Diagnosis, CDFD）。首先，结合去噪扩散生成模型对有限的高置信度故障样本进行条件生成增广，解决因样本缺失导致的模型过拟合。同时，针对现有条件扩散技术仅关注样本的条件分布推断的短板，联合考虑故障样本的生成与决策进行耦合优化，有效保障故障样本的生成质量，进而显著提升故障诊断模型的决策泛化能力。实验环节分别在仿真与真实故障数据上进行实验验证，论证了所提出算法在解决真实民机故障任务的高效性。<br>

关键词：民机故障诊断；变工况故障诊断；迁移学习；扩散模型