简介： 本发明公开一种基于数据增强和胶囊神经网络的风机故障可迁移诊断方法，其包括：对采集到的风机振动信号数据预处理，检测并剔除异常值；基于平均功率谱密度提取故障的最佳特征频率带；计算风机振动信号在故障最佳特征频率带上的平均功率谱密度强度值，并将其作为一类支持向量机的输入进行故障退化检测，从而确定故障初始失效发生点；将振动信号根据失效点重新划分为故障和正常数据，并打上标签，构建训练数据集；初始化胶囊神经网络的网络超参数，并进行训练；将新的振动数据信号输入训练后的网络，即可获得诊断结果。本发明通过数据增强有效扩充了故障样本，并基于胶囊神经网络提取的多维丰富特征，提高了模型风机故障诊断的准确性和可迁移性。