qq_43906881的博客

*摘要：**当前基于深度迁移学习的故障诊断的大多数成功需要两个假设：1）源机器的健康状态集合应当与目标机器的健康状态集合重叠;2）目标机器样本的数量跨健康状态平衡。然而，这样的假设在工程场景中是不现实的，其中目标机器遭受在源机器中看不到的故障类型，并且目标机器大多处于健康状态，仅偶尔发生故障。因此，来自源机器的诊断知识可能不覆盖目标机器的所有故障类型，也不解决不平衡的目标样本。

摘要：大多数域自适应方法都是针对两个域的标签空间相同的情况。然而，在实际工程中研究局部DA更有价值。在此基础上，提出了一种新的多尺度权重选择对抗网络(MWSAN)，通过设计(MDAN)，并结合，构建了MWSAN。创新性地构建MDAN，避免了单个分类器的过拟合，增强了领域混淆。在实例权值的选择上，。在的选择上，利用高斯混合模型估计目标域样本可能的高斯分布，利用最大似然估计计算源域样本的高斯分布，然后利用Wasserstein距离计算类权值。

故障诊断论文

故障诊断论文：复杂工况下少样本轴承故障诊断的元学习