SpeConE：一种用于高效多源无干扰跨领域工业机械故障诊断的特异性与一致性集成方法

《IEEE Internet of Things Journal》：SpeConE: Specificity and Consistency Ensemble for Efficient Multisource-Free Cross-Domain Industrial Mechanical Fault Diagnosis

　　

摘要：

从预训练的源模型到未标记的目标领域的自适应知识迁移已成为工业物联网（IIoT）中的一个关键范式。这样的框架有效地缓解了不同领域之间的分布差异，并确保了跨条件故障诊断中的数据隐私。然而，大多数现有方法需要对每个源模型进行大量的参数调整，这导致了较高的计算成本，尤其是当源域的数量或模型的复杂性增加时。此外，当前方法通常在领域级别学习每个源模型的可迁移权重，不可避免地会导致实例级别的偏差。因此，我们提出了一种新的想法，即特定性和一致性集成（SpeConE），用于高效的多源故障诊断，它避免了针对每个源模型进行参数调整。SpeConE通过同时考虑特征-特征和特征-输出之间的相似性来平衡实例特定性和领域一致性权重。通过根据特定性和一致性权重指导对源模型的瓶颈进行微调，SpeConE有效地实现了无需多源的跨领域适应（DA）。此外，还引入了一种新颖的伪标签平滑策略，以防止目标领域的过拟合。实验表明，在采用Swin Transformer的情况下，SpeConE在单设备诊断上的性能优于类似方法（例如，～+3 %），而在跨设备诊断上的性能也优于类似方法（～+10 %），同时仅调整了大约5%的参数。

I. 引言

随着工业物联网（IIoT）的快速发展，嵌入在工业设备中的传感器不断生成全面的数据流[1]，[2]。这些数据为实际生产中的实时监控和精确分析提供了可靠的基础，从而显著提高了制造效率。在工业设备中，旋转机械在确保整个生产过程的稳定性和安全性方面起着关键作用[3]，[4]，[5]。因此，对旋转机械进行准确的故障诊断至关重要。