针对现有故障预报模型自身不具备未知故障识别能力，需重新收集数据对模型进行训练或借助其他组件对未知故障进行学习识别的问题，提出基于CapsNet模型的未知故障预报方法。该方法可有效处理复杂装备的多维状态感知信号，实现装备故障的精确感知，在出现未知故障时可自适应地调整模型并对未知故障进行预报。构建转换矩阵，由低层胶囊的特征预测出相对应的高层特征的存在及姿态。详细介绍了动态路由算法将低层胶囊生成的预测向量整合到对其表示同意的高层胶囊并形成特征向量的过程。在CapsNet最后一层胶囊实现故障特征分类的过程提出阈值判断法，通过合理选择阈值的取值范围，使胶囊网络模型能完美地区分已知与未知故障，实现故障的精确预报。使用提出的方法对经过良好训练的系列CapsNets模型进行性能验证。通过实验可以发现，提出的方法能较好地实现未知故障预报，可证实该方法的可行性。
