Domain-conditioned feature modulation for cross-condition fault diagnosis in rotating machinery

一般化 超参数 计算机科学 嵌入 领域(数学分析) 理论(学习稳定性) 特征(语言学) 断层(地质) 任务(项目管理) 人工智能 调制(音乐) 对抗制 软件部署 机器学习 算法 模式识别(心理学) 财产(哲学) 特征向量 时域 控制理论(社会学) 容错 分布(数学) 任务分析
作者
Jie M. Zhang,Quan Zhou,Weigen Chen,Wenjie Zhou
出处
期刊:Measurement Science and Technology [IOP Publishing]
卷期号:37 (23): 236205-236205 被引量:2
标识
DOI:10.1088/1361-6501/ae6c4d
摘要

Abstract Rotating machinery operating under varying speeds and loads exhibits strong nonstationarity, causing distribution shifts between training and deployment conditions that hinder reliable cross-condition fault diagnosis. Most domain generalization (DG) methods attempt to address this issue by enforcing domain-invariant representations; however, in rotating machinery, operating-condition variations are often physically coupled with fault-related features, making strict invariance assumptions less suitable—particularly when source domains are limited or discrepancies are large. To overcome these limitations, we propose a domain-conditioned dynamic DG framework for fault diagnosis under unseen operating conditions. The method introduces an explicit domain embedding branch and a lightweight hypernetwork with feature-wise linear modulation to generate channel-wise modulation parameters. By conditioning task features on operating information, the model adaptively adjusts its decision behavior across domains without adversarial training or explicit distribution alignment. Experiments on four public datasets (CWRU bearings, HUST bearings, HUST gearboxes, and PHM2009 gearboxes) demonstrate that the proposed framework achieves competitive or superior multi-source generalization performance and exhibits consistently improved training stability across diverse tasks and hyperparameter settings.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
DiJia完成签到 ,获得积分10
刚刚
成就的沛菡完成签到 ,获得积分10
刚刚
冬易完成签到,获得积分20
1秒前
1秒前
ppp完成签到,获得积分10
1秒前
Jancy0706完成签到,获得积分10
1秒前
Fashioner8351完成签到,获得积分10
1秒前
充电宝的应助被哈哈w采纳,获得10
2秒前
美满巧凡完成签到,获得积分20
2秒前
青山见我完成签到,获得积分10
2秒前
123完成签到,获得积分10
2秒前
阳光绿柏完成签到,获得积分10
2秒前
嘲鸫完成签到,获得积分10
2秒前
Djejnd完成签到,获得积分10
2秒前
脑洞疼的应助被will采纳,获得10
2秒前
idiot完成签到,获得积分10
3秒前
花开富贵王老师完成签到,获得积分10
3秒前
钙帮弟子完成签到,获得积分10
3秒前
3秒前
HuHengyi完成签到,获得积分10
3秒前
张wx_100完成签到,获得积分10
3秒前
Dr完成签到,获得积分10
4秒前
xj_yjl发布了新的文献求助10
4秒前
4秒前
cy32522完成签到,获得积分10
5秒前
5秒前
空空完成签到,获得积分10
6秒前
cc完成签到,获得积分10
6秒前
自来也完成签到,获得积分10
6秒前
无花果的应助被魔幻的咖啡豆采纳,获得10
6秒前
青柠完成签到,获得积分10
6秒前
hbvyjnn完成签到,获得积分10
7秒前
玉玲子LIN完成签到,获得积分10
7秒前
zzzzz完成签到,获得积分10
7秒前
冬易发布了新的文献求助10
7秒前
8秒前
大力夜雪完成签到 ,获得积分10
8秒前
ding的应助被xiaoxiong采纳,获得10
8秒前
8秒前
多读点文献完成签到 ,获得积分10
8秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1500
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Analyses de reconnaissances de dettes passées devant les échevins d'Ypres (1249-1291) 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8159212
求助须知:如何正确求助?哪些是违规求助? 9554678
关于积分的说明 21720538
捐赠科研通 7748887
什么是DOI,文献DOI怎么找? 3427184
关于科研通互助平台的介绍 2552092
邀请新用户注册赠送积分活动 2471464