伪标签对比学习模型

开集域适应

基于对比学习，利用伪标签实现跨域特征对齐，并能有效隔离分布外样本的故障诊断模型。

Weicheng, Wang · Chao, Li · Zhipeng, Zhang · 陈敬龙 · 何水龙 · Feng, Yong

Reliability Engineering and System Safety 2025

技术优势

无需目标域标签

模型利用伪标签进行跨域对齐，只需目标域无标签数据即可训练，省去人工标注成本。

自动隔离未知故障

结合距离、密度和熵三个判据，在训练后根据样本分布自适应计算阈值，可靠地识别已知故障并检出分布外样本。

性能超越现有方法

在两个数据集上的实验结果表明，该方法优于现有开集域适应方法，为设备运维可靠性提供保障。

应用场景

• 机械设备故障诊断：部署在无标签工况下，自动诊断已知故障并发现新故障类型，提升设备运维效率。
• 工业物联网：适配边缘设备分布式监测，无需人工标注即可持续学习新工况下的故障模式。
• 机器人状态监测：在机器人运行数据无标签且故障类型不断扩展时，实现跨域诊断和未知异常检测。
• 具身智能系统诊断：在具身智能系统面对开放环境时，利用无监督开集域适应识别已知故障并隔离未知状态。