联合注意力域适应网络

通过局部与全局注意力的联合域适应，在故障诊断中实现优于现有方法的跨域性能。

陈鹏飞 · 赵荣珍 · He, Tianjing · Wei, Kongyuan · Yuan, Jianhui

Reliability Engineering and System Safety 2023

参数信息

准确率提升（CWRU 数据集）
1.9 %
准确率提升（数据集2）
3.0 %
准确率提升（数据集3）
2.1 %
准确率提升（数据集4）
3.5 %

技术优势

准确率提升更明显

相比现有方法，在四个故障数据集上准确率分别提高 1.9%、3.0%、2.1% 和 3.5%。

收敛更快

在四个故障数据集上的实验表明，该方法具有优越的收敛性，可减少训练时间。

自动关注可迁移特征

通过局部和全局注意力机制为不同特征区域自适应分配权重，并使用 MMD 衡量分布差异，从而更有效地选择可迁移特征。

统一的域适应框架

将局部与全局注意力融合进一个对抗域适应框架，简化了模型结构并提升了性能。

应用场景