对抗域自适应
这个自动编码器用CNN和LSTM同时提取局部深度特征和时间特征，通过Wasserstein散度对抗训练消除不同工况下的特征分布差异，让故障诊断模型在没有新工况标签时也能准确分类。
Jun-Feng, Yang · Zhang, Ning · 何燕霖 · 朱群雄 · Xu, Yuan
Expert Systems with Applications 2024
通过对抗训练最小化源域和目标域特征分布的Wasserstein距离，模型可直接对无标签的目标工况数据进行分类。
在对抗过程中引入Wasserstein散度，移除了k-Lipschitz约束，提高了训练稳定性。
双网络自动编码器结合CNN和LSTM，同时提取局部深度特征和时间特征信息，提升诊断准确性。
在TEP和三相流数据集上，跨不同工况的迁移故障诊断任务中，本方法优于其他相关方法。