一种面向装备健康状态智能识别的低质数据鲁棒学习方法

本发明公开了一种面向装备健康状态智能识别的低质数据鲁棒学习方法，包括：获取机电复合传动系统的多源传感器时序数据并进行预处理；构建由特征编码器、投影头与分类头构成的多传感融合识别网络；依据嵌入空间近邻一致性为样本生成近邻共识标签与一致性度量，动态筛选高置信样本及同类样本对，以监督式对比学习、分类交叉熵与样本对相似度的联合目标进行表征预训练，并引入混合增强平滑判别边界，得到鲁棒编码器；冻结鲁棒编码器，仅用高置信集合训练新的分类头，获得状态识别模型；对完整通道样本使用状态识别模型直接推理，对传感器通道数据缺失场景，引入特征通道适应性校准模块动态补偿特征分布偏移，输出各状态类别的概率分布。