域条件联合自适应诊断网络

跨位置跨机型诊断

针对轴承在不同位置和不同机器之间的故障诊断难题，通过域条件特征提取与联合自适应策略，实现在无目标域标签情况下的高精度诊断，克服传统方法假设源域与目标域特征分布一致的局限。

Kuang, Jiachen · Xu, Guanghua · Tao T. · Wu, Qingqiang · Han, Chengcheng · Wei, Fan

IEEE Sensors Journal 2023

技术优势

不假设特征共享

域条件特征提取结构允许为每个域学习专用特征，避免强制共享导致的特征混淆，更适合跨机器差异大的场景。

域级与类级联合对齐

同时进行域对抗训练和双分类器对抗训练，在减小域间分布差异的同时保持类别判别性，防止负迁移。

应用场景

• 旋转机械智能运维：将DCJAN嵌入旋转机械监测系统，实现不同轴承位置间的故障自动识别。
• 工业设备状态监测：用于工业设备状态监测，对轴承进行跨机器故障诊断。
• 多工况故障诊断：解决源域和目标域工况差异大的难题，提升故障诊断泛化性。
• 跨域迁移学习：通过联合域级和类级对齐实现诊断知识跨域迁移。