增量新奇发现网络

不遗忘旧故障

一种能持续识别未知轴承故障类型的深度学习方法,通过聚类损失和蒸馏损失克服灾难性遗忘。

He, Haoxiang · 庄存波 · 熊辉

Mechanical Systems and Signal Processing 2024

技术优势

能发现新故障

通过聚类损失生成伪标签,让模型在弱监督下发现未标记数据中的未知故障类型。

不会遗忘旧故障

内存重放与蒸馏损失相结合,将旧知识的遗忘降到最低,实现连续学习。

性能优于现有方法

在持续无标签故障流场景下,实验结果表明该方法诊断性能优于其他方法。

应用场景