跨工况故障诊断
通过多分类器不一致性度量域间分布差异，在不需要目标域数据的情况下实现跨工况故障诊断。
Gao, Lei · Gao, Qinhe · Liu, Zhihao · Hongjie, Cheng · 姚建勇 · Zhao, Xiaoli · Jia, Sixiang
Reliability Engineering and System Safety 2025
训练阶段完全不使用目标域数据，解决了实际中未知工况数据难以获取的问题，模型可以直接应用到新的工况。
在两个具有挑战性的旋转机械故障数据集上，DADG-MCI 的平均诊断精度高于多种现有先进方法，验证了其优越的跨工况识别能力。
引入基于 Wasserstein 距离的多分类器不一致性度量，能够有效捕捉多源域之间的特征分布差异，并通过联合优化多分类器模块实现精细的全局特征对齐。
利用对抗训练实现多源域间更细粒度的全局特征对齐，确保提取的深度特征具备强泛化能力，从而适应未见工况。