缓解故障样本不足
该转换器能够利用正常样本生成故障样本，为训练提供有效扩充，尤其在故障样本稀缺时能够显著提升诊断精度。
Cheng, Yujie · Haoxin, Gu · 索明亮
Expert Systems with Applications 2025
通过协同工作域重建、跨域转换等机制，将正常样本翻译成故障样本，从而突破故障样本不足的限制。
即使在故障样本极少的情况下，也能将诊断准确率从55.98%提高到91.70%，说明生成的故障样本质量高、可用性强。
在DPS数据集上完全使用生成样本训练即可达到99.70%的准确率，表明生成样本可以替代真实故障样本用于模型训练。