基于樣本自適應條件對抗網(wǎng)絡的齒輪箱跨域故障診斷研究

摘要： 基于對抗訓練的深度領域適應在旋轉部件跨域故障診斷中應用效果良好。然而，現(xiàn)有研究主要致力于降低邊緣分布差異而忽略對類別分布信息的挖掘，導致其在復雜場景下診斷準確性不足。針對該問題，提出一種樣本自適應條件對抗網(wǎng)絡，通過分解抽象特征和評估樣本置信度挖掘類別分布特征，增強對抗訓練的域適配能力，從而有效提高跨域診斷性能。通過齒輪箱故障診斷實驗驗證所提方法在實際應用中的有效性和優(yōu)越性。