小样本下诊断更准
以仿真数据为源域、实测振动信号为目标域进行域自适应迁移学习，并融合残差卷积网络与Transformer，让跨域故障特征对齐更有效，诊断精度更高。
Jiang, Ke · Cai, Yanping · Han, Deshuai · Su, Yanzhao · Feng, Guoyan
Structural Health Monitoring 2025
用仿真数据扩充训练集，补偿实测故障数据稀缺的问题，模型在小样本条件下仍能保持较高诊断准确率。
利用域自适应迁移学习对齐仿真与实测信号的特征分布，减少域间差异，使模型在目标域上也能有效分类。
采用雪消融优化器优化变分模态分解参数，对实测信号降噪，提升信号质量，帮助模型在噪声环境下保持性能。
残差CNN与Transformer结合，既能提取局部特征，又能捕捉全局依赖，显著增强特征提取能力，提升分类准确率。