基于部分域适应的船用发动机故障诊断研究

郭煜; 戴军; 张均东; 孙斌

doi:10.16411/j.cnki.issn1006-7736.2026.01.006

大连海事大学学报 ›› 2026, Vol. 52 ›› Issue (1) : 52 -64. DOI: 10.16411/j.cnki.issn1006-7736.2026.01.006

基于部分域适应的船用发动机故障诊断研究

郭煜, 戴军, 张均东, 孙斌

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对船用发动机变工况下故障数据匮乏及部分集迁移诊断(目标工况故障类别少于源工况)中无关故障类别引发负迁移、导致现有深度学习方法性能下降的问题，本文提出多尺度多视角域对抗网络(MMDAN)。该网络通过多尺度特征提取器捕获鲁棒故障特征，借助多视角分类器提升决策可靠性，并利用辅助域鉴别器量化筛选可迁移源域样本以抑制负迁移。实验表明，该方法在某型船用发动机故障数据集的多个变工况部分集任务中平均诊断准确率达96.58%,显著优于主流迁移学习模型，验证了其在复杂工况下的有效性与优越性。