已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Multiweight Adversarial Open-Set Domain Adaptation Network for Machinery Fault Diagnosis With Unknown Faults

计算机科学 分类器(UML) 判别式 人工智能 开放集 离群值 机器学习 对抗制 边界判定 集合(抽象数据类型) 任务(项目管理) 断层(地质) 数据挖掘 模式识别(心理学) 工程类 数学 系统工程 离散数学 地震学 程序设计语言 地质学
作者
Rui Wang,Weiguo Huang,Mingkuan Shi,Chuancang Ding,Jun Wang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (24): 31483-31492 被引量:1
标识
DOI:10.1109/jsen.2023.3329468
摘要

Domain adaptation (DA) methods have proven successful in addressing the domain-shift challenge in rotating machinery fault diagnosis, and the basic tasks that the fault categories of source and target domains are identical have been well achieved. However, machine failures in the industry often unpredictably happen, which gives rise to a more challenging task called cross-domain open-set fault diagnosis (COFD). To tackle this task, a novel multiweight adversarial open-set DA network is proposed in this article. The proposed network uses the adversarial learning strategy to eliminate the marginal distribution discrepancy between source samples and shared-class target samples, thus ensuring that the generalization features across domains are learned. A weighted learning module combining the class-level with domain-level discriminative information is constructed to evaluate the similarity between target samples and the source classes, which adaptively assign larger weights for target shared classes and smaller weights for target private classes. An outlier classifier is established to perform pseudolabel learning on target samples, making the decision boundary between shared and outlier classes robust. Experiments on two cases with several open-set diagnostic tasks demonstrate that the proposed method is a potential tool for detecting new faults in mechanical devices.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
务实孤丝完成签到 ,获得积分10
刚刚
1秒前
悲凉的冬天完成签到,获得积分10
2秒前
ZL完成签到 ,获得积分10
3秒前
5秒前
李健的小迷弟应助树袋采纳,获得10
6秒前
蟒玉朝天完成签到 ,获得积分10
7秒前
8秒前
JACk完成签到 ,获得积分10
8秒前
加菲丰丰举报求助违规成功
9秒前
JIANG举报求助违规成功
9秒前
嗯哼举报求助违规成功
9秒前
9秒前
9秒前
深情安青应助休眠的火山采纳,获得10
12秒前
12秒前
12秒前
rosalieshi应助之之行采纳,获得50
12秒前
葛力发布了新的文献求助10
13秒前
14秒前
15秒前
hms完成签到 ,获得积分10
15秒前
wonder发布了新的文献求助10
16秒前
桐桐应助小王采纳,获得10
17秒前
lxgz发布了新的文献求助10
17秒前
Venus完成签到 ,获得积分10
18秒前
18秒前
QCB完成签到 ,获得积分10
18秒前
Lucifer完成签到,获得积分10
19秒前
李先生完成签到,获得积分20
19秒前
1112234111完成签到,获得积分20
21秒前
脑洞疼应助家家采纳,获得10
21秒前
冰红茶完成签到 ,获得积分10
22秒前
22秒前
顾矜应助wonder采纳,获得10
23秒前
Splaink完成签到 ,获得积分10
23秒前
zmx完成签到 ,获得积分10
26秒前
大胆翎发布了新的文献求助10
31秒前
31秒前
lxgz完成签到,获得积分10
33秒前
高分求助中
Sustainability in ’Tides Chemistry 2000
Studien zur Ideengeschichte der Gesetzgebung 1000
The ACS Guide to Scholarly Communication 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Handbook of the Mammals of the World – Volume 3: Primates 805
Ethnicities: Media, Health, and Coping 800
Gerard de Lairesse : an artist between stage and studio 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3072420
求助须知:如何正确求助?哪些是违规求助? 2726230
关于积分的说明 7493301
捐赠科研通 2373930
什么是DOI,文献DOI怎么找? 1258827
科研通“疑难数据库(出版商)”最低求助积分说明 610392
版权声明 596967