课程学习域泛化模型

跨域诊断未知故障

一种面向类别转移场景的故障诊断模型，通过课程学习挖掘跨域不变特征，实现对未知故障模式的识别。

王宇 · Jie, Gao · Wang, Wei · 杨旭 · Du, Jinsong

Mechanical Systems and Signal Processing 2024

参数信息

数据集数量

2

技术优势

能识别未知故障模式

模型在未知目标域中能够识别未在训练中出现过的故障模式，无需目标域数据。

解决类别不完整问题

采用混合互点学习分类器处理源域与目标域之间的类别转移，即使源域缺少某些类别标签也能工作。

课程学习提升特征稳定性

课程学习策略利用高观测度类别的知识辅助低观测度类别提取域不变特征，增强类别信息的泛化能力。

应用场景

• 跨域故障诊断：在不同设备或工况间迁移诊断模型，减少重新标注。
• 智能运维：自动识别未知故障类型，辅助运维决策。
• 工业机器人状态监测：监测机器人运行状态，预警未观测故障模式。
• 机械系统健康管理：在标签缺失情况下进行健康状态识别和故障分类。