控制与决策

作者：陆碧良,张英杰,孙庆帅,李蒲德

单位：湖南大学 信息科学与工程学院，长沙 410082,,湖南大学 信息科学与工程学院，长沙 410082,,湖南大学 信息科学与工程学院，长沙 410082,,湖南大学 信息科学与工程学院，长沙 410082,

关键词：旋转机械;故障诊断;深度学习;开放集跨域诊断;对抗域自适应

基金：海上风电机组智能监测与故障诊断技术研究项目(2024A1515240036)；面向智能运维的风力机关键部件全域感知、信息集成与协同诊断技术项目(2019YFE0105300).

传统深度学习故障诊断假设训练集与测试集独立同分布且标签空间一致, 然而, 在实际工业中, 常出现新故障类型和数据“分布漂移”, 即开放集跨域识别, 导致模型泛化能力差、诊断精度下降. 针对开放集跨域故障诊断问题, 提出一种基于深度一维卷积神经网络(1D-CNN)的改进对抗域自适应的故障诊断方法. 首先, 利用1D-CNN从多领域的输入样本中提取代表性特征; 然后, 使用一个特征细粒度分类器来区分多领域中的共享和离群特征; 接着, 采用加权模块指导域判别器实现域不变特征学习; 最后, 域判别器利用域不变特征指导特征分类器的分类, 最小化全局损失, 实现开放集跨域故障诊断. 实验结果表明, 该模型在美国凯斯西储大学(CWRU)数据集和齿轮箱数据集上的跨域故障诊断精度高于其他方法, 特别是在开放集数据中优势明显.

来源：2025年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第10期