类增量域适应诊断模型

流式数据下抗遗忘

提出一种面向冷水机组流式数据的类增量无监督域适应模型，通过多表征融合与双模型一致性伪标签迭代，实现故障类别动态扩展下的高精度诊断并有效抑制灾难性遗忘。

Shouqi, Wang · Xuejin, Gao · Yue, Liu · 韩华云 · Han, Huazheng · Gao, Huihui · 齐咏生

Mechanical Systems and Signal Processing 2026

技术优势

新故障不用重训

模型能在流式数据中持续学习新出现的故障类别，无需从头训练，节省计算和标注成本。

旧知识不会忘

通过双模型一致性伪标签生成模块识别目标标签原型并构建记忆库，有效缓解灾难性遗忘。

关键样本看得更准

原型加权对抗域适应策略增强模型对关键样本的关注，减小源域与目标域分布差异。

应用场景

• 工业设备智能运维：冷水机组等设备在线监测，故障类别动态增加时持续准确诊断。
• 暖通空调系统故障诊断：用于暖通空调系统，模型随运行数据流更新，保持对新型故障的识别能力。
• 动态环境自适应学习：提供动态环境下持续学习的框架，可用于其他流式数据诊断任务。