摘要：早期故障检测不仅是故障诊断与设备健康管理的难点,也是工业生产实践中亟待攻坚的技术重点。该研究在工业大数据驱动视域下,提出了一种基于对比学习的滚动轴承异常及早期故障在线检测方法。首先,建立一个基于深度可分离卷积及残差连接的深度编码器,在能有效提取信号特征的同时进一步降低模型参数量和计算量;其次,设置特定代理任务以实现基于对比学习方法的无监督编码器训练,使编码器胜任不同采样点信号之间差异的学习任务;最后,通过训练后的编码器对信号进行特征提取,并设计一种在线检测算法,该算法能够识别并区分滚动轴承的异常及早期故障。该研究引入XJTU-SY数据集对上述方法进行验证,结果表明,与现有无监督故障检测方法相比,该方法准确性高,时效性强,丰富了不同工况下轴承全生命周期的健康管理方法。