公开(公告)号：CN119903440A

公开(公告)日：2025-04-29

申请号：CN202510088191.X

申请日：2025-01-21

Applicant: 中国计量大学

Inventor： 何雨辰 ,  李溪 ,  钱丽娟 ,  陈子傲 ,  朱俊江 ,  孙程斌

IPC: G06F18/2431 ,  G06F18/2415 ,  G06F18/213 ,  G06F18/214 ,  G06F18/21

Abstract: 本发明公开了一种变工况不可见故障类型下基于伪标签学习的多分类器决策机制。首先，通过特征提取器提取源域和目标域的特征，利用全局分类器对目标域样本生成初步伪标签，局部分类器进一步验证置信度，过滤低置信度样本并识别未知类别。其次针对高置信度样本，在最大平均差异上引入正则化项实现源域与目标域之间的条件分布和边缘分布的对齐，根据训练阶段动态调整分布对齐强度。然后，引入中心损失函数，在特征空间中拉近已知类别样本分布中心，保证未知类别与已知类别的距离。最后，通过在分类器中添加未知类输出，将检测到的未知类别样本统一分类。本发明方法实现了变工况下对已知故障类别的诊断和未知故障类别的识别。