【摘要】针对单一故障诊断模型在变工况、复合故障等复杂工业场景中泛化能力有限及边缘样本分类精度不高等问题，提出一种基于错分样本驱动与动态权重融合的多模型集成诊断方法。首先，通过交叉验证筛选出性能最优的基准模型作为主力模型，负责对所有样本进行初步诊断；进而，通过置信度评估策略，将主力模型误判或低置信度的困难样本筛选出来，并定向移交至由多种模型构成的替补模型池进行二次诊断；最后，依据各替补模型在特定故障类别上的历史诊断性能，构建动态权重矩阵，对二次诊断结果进行加权融合，形成最终判决。实验表明，与性能最佳的单一模型相比，本文所提出方法的分类准确率、F1 分数均显著提升。