关键词：机械设备;迁移学习;变工况;故障诊断;样本分布差异
摘 要：随着智能制造进程的加快与工业新质生产力的需求，机械设备的运行条件变得愈发严峻，作为保生产过程稳定运行的重要环节，设备的状态监测与故障诊断也变得愈发重要.实际生产中，设备的故障诊断常面临变工况、数据分布差异大、标签样本匮乏等问题的挑战，传统故障诊断方法在这些复杂环境下往往难以取得理想效果.迁移学习作为一种新兴技术，能够有效利用已有知识和数据，提升诊断性能.首先，分析了机械设备故障诊断的趋势，阐述了迁移学习的基本概念；其次，从基于参数的迁移学习，基于特征的迁移学习，基于实例的迁移学习以及领域自适应方法4个方面对现有的迁移诊断方法进行归纳分析；最后，总结了当前迁移学习研究中面临的问题，指出了迁移学习在机械故障诊断领域的发展趋势.本综述旨在帮助相关领域研究人员了解迁移学习的最新进展，促进迁移学习在机械设备诊断中的应用和发展.
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取