控制与决策

作者：陈洋洋,周谧,张永斌

单位：合肥工业大学 管理学院，合肥 230009;过程优化与智能决策教育部重点实验室，合肥 230009,,合肥工业大学 管理学院，合肥 230009;过程优化与智能决策教育部重点实验室，合肥 230009,,合肥工业大学 噪声振动工程研究所，合肥 230009,

关键词：智能故障诊断;迁移学习;多源域;领域自适应;证据推理规则

基金：国家自然科学基金项目(72471069).

针对多源域自适应故障诊断方法中多域对齐不足和多源信息协同不充分问题, 提出一种端到端的基于多粒度对齐和证据推理规则的多源无监督域自适应故障诊断方法(MAERAN). 首先, 设计多粒度对齐模块实现由浅入深的多级分布对齐. 具体地, 使用浅层域鉴别器对共享域浅层特征实施域对齐以降低浅层特征分布偏差; 构建多视图子网络提取每对源域和目标域的深层特征并实施域对抗策略以实现特征分布对齐; 通过两阶段域对齐挖掘域不变特征, 可有效减少跨域分布差异; 同时, 设置细粒度类对齐以增强类别区分性. 然后, 提出基于证据推理规则的多源信息协同决策模块对多源诊断信息进行自适应加权融合, 以提升模型的泛化能力和诊断性能. 最后, 通过在两个轴承数据集上的实验验证了MAERAN方法在多源迁移任务中的有效性和优越性.

来源：2025年第11期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第11期