强噪声下诊断更可靠
一种基于Dirichlet分布可信融合策略的多模态故障诊断网络，通过动态评估各模态贡献，在低质量数据与强噪声干扰下实现更稳定、更可信的诊断性能。
应万明 · Lunyong, Li · 李永波 · Wang, Teng · 郑近德 · Feng, Ke
Information Fusion 2025
基于Dirichlet分布的可信特征融合模块能动态评估各模态贡献，在不同样本上保证模态特征的可靠融合，从而在强烈噪声下保持诊断准确率。
双分支特征提取模块同时捕获声学和红外热成像数据的局部与全局特征，增强频率通道注意力网络进一步细化单模态特征，有助于提取更深层、敏感的特征。
设计了对比聚类损失，在语义空间中强制执行不同模态特征之间的一致性，有助于学习到更具判别性的融合表示。