双加权分类对抗网络

跨域故障诊断更准

通过类内类间加权对抗策略，在类别不一致的多源域数据上学习域不变特征，实现旋转机械故障的跨域诊断。

Yang, Shengkang · Boyang, Lei · 王奇斌 · 常建涛 · 孔宪光 · Cheng, Han

IEEE/ASME Transactions on Mechatronics 2024

技术优势

类别不一致也能跨域诊断

即使不同工况下故障类别不完全一致，也能通过类内类间加权对抗策略对齐可迁移的类别分布，排除独有类干扰。

多源域信息融合

同时利用多个源域的监督信息，减少单一源域偏差，提高诊断模型的泛化能力。

类内紧凑，类间可分

通过局部类别对齐，使同类特征聚集、不同类特征分离，提高分类器对故障模式的判别力。

应用场景

• 旋转机械故障诊断：适应工况变化导致的故障类别不一致，避免重新收集全类别标签数据。
• 工业物联网：在联网设备上部署跨域诊断模型，实时兼容不同产线采集的数据差异。
• 设备预测性维护：利用多源域历史数据训练模型，对新工况下的故障提前预警。
• 跨工况迁移学习：源域与目标域类别不完全一致时仍能迁移，减少数据标注成本。