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 地质学 地震学 离散数学 程序设计语言 系统工程
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:3
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
浮世天堂发布了新的文献求助60
刚刚
刚刚
1秒前
1秒前
ZW发布了新的文献求助10
1秒前
Fly发布了新的文献求助10
2秒前
爱吃肉肉发布了新的文献求助10
3秒前
小宝最爱看论文完成签到,获得积分10
5秒前
fengmy发布了新的文献求助10
6秒前
玉衡发布了新的文献求助20
7秒前
8秒前
9秒前
力元11发布了新的文献求助30
11秒前
janarbek关注了科研通微信公众号
11秒前
owoow发布了新的文献求助10
11秒前
Firebat1573完成签到,获得积分20
11秒前
壮观以松发布了新的文献求助10
13秒前
喜欢发布了新的文献求助10
14秒前
爱吃肉肉完成签到,获得积分10
14秒前
李白发布了新的文献求助10
15秒前
16秒前
Li完成签到,获得积分10
16秒前
小蘑菇应助房东的影子采纳,获得10
17秒前
18秒前
李文岐发布了新的文献求助10
18秒前
18秒前
Panjiao完成签到 ,获得积分10
19秒前
bug发布了新的文献求助10
19秒前
zhengzhao完成签到,获得积分10
20秒前
烂漫映秋完成签到,获得积分10
21秒前
Fly完成签到,获得积分20
21秒前
严俊东发布了新的文献求助10
22秒前
桃子完成签到,获得积分10
23秒前
今我来思发布了新的文献求助10
24秒前
科研通AI2S应助等乙天采纳,获得10
24秒前
26秒前
力元11完成签到,获得积分10
26秒前
眼睛大怀曼完成签到,获得积分10
26秒前
27秒前
27秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
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 3136629
求助须知:如何正确求助?哪些是违规求助? 2787705
关于积分的说明 7782850
捐赠科研通 2443769
什么是DOI,文献DOI怎么找? 1299401
科研通“疑难数据库(出版商)”最低求助积分说明 625440
版权声明 600954