摘要
针对城市轨道交通直流牵引回流系统在不同运行条件和目标域类别缺失情况下绝缘故障定位准确率下降的问题，本研究提出了一种两阶段多源单向对齐网络（MUAN）。在实际应用中，不同的负载和运行条件会导致不同的轨电位模式，而目标域训练集往往缺少某些故障类别。传统域适应方法通常假设各域具有相同的标签空间，这可能导致源域私有类别被错误对齐，从而引发负迁移。为缓解这一问题，本研究构建了一种多源部分域适应框架。在第一阶段，使用多条件下的带标签源数据来学习判别性特征，并提取源锚特征以供后续迁移使用。在第二阶段，引入源对齐和跨域对齐模块，引导目标特征向共享类别空间靠拢，同时保留源类别结构。进一步采用域对抗学习来缩小跨条件分布差距，并提高对带有缺失类别的未标记目标数据的泛化能力。在动态轨电位仿真平台和回流系统硬件平台上的实验表明，所提方法在故障定位性能上表现优异，尤其在目标域类别缺失的设置下更为显著。
