通过共享属性分类器，将已知故障的诊断能力迁移到未见过的新故障上，实现故障位置、尺寸和工作负载的零样本识别。
Cai, Li · 尹宏鹏 · 林景栋 · 赵丹丹 · Qin, Yan
IEEE Transactions on Industrial Informatics 2024
该模型在诊断未见故障时不需要任何目标故障的训练样本，而是利用从已知故障学到的属性分类器进行迁移诊断。
该模型能够同时识别故障的位置、尺寸和工作负载等多维属性，输出更全面的诊断信息。
论文在两个真实数据集上进行了实验，验证了方法的有效性和优越性。