摘要： 针对转子裂纹故障智能诊断模型研究中存在的不足之处，如需要大量数据样本作为支撑、数据复用性差、无法识别裂纹的扩展情况等，提出了一种基于数据驱动的域适应迁移学习模型。该模型基于三元组损失和降噪自编码网络，基于对抗训练策略提取域无关裂纹故障特征，实现不同领域特征的全局对齐。使用三元组损失约束故障特征，实现不同领域故障特征的类级特征对齐。模型以裂纹转子运行数据为输入，预测裂纹的扩展阶段。对模型的跨工况特征迁移效果测试结果显示，10 个不同跨工况特征迁移任务的平均预测准确率为91.3 %。相较于其他经典的迁移学习模型，该模型能够提取更有效的域无关裂纹故障特征，具有更强的特征迁移泛化效果。

关键词: 故障诊断, 裂纹转子, 迁移学习, 域适应理论, 三元组损失