DC-CMLN健康监测网络

非稳态工况高精度

面向复杂制造系统非稳态振动信号，通过级联多感受特征提取与领域约束标签调整，实现更鲁棒的机器健康监测。

Yadong, Xu · Li, Sheng · Feng, Ke · 黄如意 · 孙蓓蓓 · 杨小龙 · Zhao, Zhiheng · George Q., Huang

Journal of Manufacturing Systems 2025

技术优势

非平稳工况下表现好

通过领域约束的标签调整器和条件标签调节损失，模型能对齐实际标签并学习域不变特征。

超越七种先进模型

在三个案例研究中全面超越七种最先进算法，证明其在多工况下的泛化能力。

多感受野特征提取

级联多感受学习模块和自适应滤波模块共同获取监测信号的多尺度、多层级特征。

应用场景

• 齿轮箱故障诊断：在变转速、变载荷的非平稳工况下准确识别齿轮箱故障，避免停机损失。
• 轴承状态监测：监测轴承早期微弱故障，适用于难以保持恒定转速的现场环境。
• 振动信号分析：提取多尺度非线性振动特征，替代传统平稳性假设方法。
• 工业物联网预测性维护：为工业物联网提供非平稳数据下可靠的设备健康状态模型。