针对直升机尾传动系统故障数据不平衡问题，提出一种基于数字孪生和迁移学习的直升机尾传动系统 故障诊断方法。首先， 建立直升机尾传动系统刚柔耦合动力学仿真模型获取真实反映直升机尾传动系统工作状态的 高保真故障仿真数据。其次， 通过引入坐标可分离卷积和注意力机制的残差网络进行故障特征提取和分类。采用基 于高斯核函数的领域自适应方法缩小仿真数据和实验数据在特征空间的分布差异。为提高决策边界的鲁棒性，增强 类别之间的区分度， 引入边界正则化的交叉熵损失。经实验验证， 基于数字孪生和迁移学习的故障诊断方法， 可以 解决数据不平衡导致的深度学习故障诊断模型训练效果变差的问题， 使模型达到基于正常数据驱动的深度学习故障 诊断模型的性能水平。
