摘要： 塔式起重机（塔机）的结构损伤智能诊断是其高效稳定运行的重要保障措施。然而，由于塔机严格的维护保养制度，实际损伤样本相对较少，导致基于数据驱动的模型仅能从中学习到极为局限的诊断知识，致使诊断准确率大幅下降。针对此问题，引入对比学习的特征提取思想，提出塔机小样本条件下结构损伤智能诊断方法。该方法主要通过构建核函数引导的对比学习损失函数和标准分类损失函数实现，其中，核函数引导的对比学习损失函数能通过高斯核将特征映射到无穷维空间中进行样本对度量的学习，并采用超参数控制分类边界的带宽。最后，借助通过塔机物理仿真模型实验台和真实服役塔机采集的损伤样本验证所提方法的有效性，实验结果表明所提方法在小样本条件下诊断塔机损伤相比于深度学习模型和标准对比学习模型具有鲁棒性和优越性。

关键词: 故障诊断, 塔式起重机, 对比学习, 小样本