树突网络辅助的多源域泛化旋转机械故障诊断
《Applied Sciences》:Dendrite-Network-Assisted Multi-Source Domain Generalization for Fault Diagnosis in Rotating Machinery
【字体:
大
中
小
】
时间:2026年08月28日
来源:Applied Sciences 2.5
摘要
智能故障诊断对于旋转机械的安全高效运行至关重要。域适应模型能够缓解不同运行条件带来的分布偏移问题,但其对已标注目标域数据的过度依赖限制了其在未知且动态变化条件下的应用。针对这一问题,本文提出了一种基于树突网络辅助的多源域泛化框架——DDDG,用于旋转机械的故障诊断。首先,设计了一种集成树突模块的网络架构,以学习逻辑特征交互并增强非线性表达能力。其次,开发了一种互补的全局-特定表征学习机制:类感知的熵最优传输方法执行软分布级对齐,以减少源域间的过度差异;同时,保持域特异性的对比学习方法维护每个故障类别内部的相对局部相似性层次,从而防止跨运行条件下的表征完全坍缩。第三,利用独立域描述符生成的归一化相对门控系数,自适应地组合源域特定分类器,实现可用源域专家之间的样本依赖型软协调。在公开轴承数据集上进行了大量实验,结果表明DDDG在未见过的运行条件下仍能取得高精度,展现出强大的泛化能力。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号