本文深入探讨了深度学习模型在提升多相变流器功率开关器件故障诊断泛化能力方面的应用。鉴于实际工业环境中故障数据稀缺且实验成本高昂的困境，传统依赖真实故障数据的方法受到极大限制。为解决此问题，本文创新性地提出了一种跨域高效故障诊断策略，无需实验域样本支持。首先通过基于相电流重构的归一化预处理技术，消除了邻域样本间的时序差异。随后，利用卷积自编码器深度挖掘多相电流信号特征。并进一步融合深度度量学习与分类技术，强化了模型的辨识与聚类能力。该方法在仅依赖仿真数据条件下，实现了对多参数、多类型多相电机驱动系统开路故障的广泛适用诊断，同时确保了诊断的鲁棒性与高效性。实验验证与对比分析有力支撑了所提算法的有效性与优越性。