未知故障识别率超97%
融合开集风险最小化与自监督对比学习，可以在跨工况下同时诊断已知故障并识别未知故障。
Li, Wang · 高艺平 · 李新宇 · 高亮
IEEE Transactions on Industrial Informatics 2024
通过设计的挤压置信度规则，模型可区分已知类与未知类故障，避免将新故障误诊为已知类型。
伪标签一致性自训练减小了源域与目标域之间的分布差异，使模型在不同工作条件下保持诊断性能。
开集风险最小化与自监督对比学习共同提升特征的可区分性和稳定性，进而提高分类准确率。