Zero-shot compound fault diagnosis method driven by semantic adaptive fusion

计算机科学 人工智能 模式识别(心理学) 小波 分类器(UML) 数据挖掘 正确性 断层(地质) 机器学习 卷积神经网络 小波变换 可解释性 语义特征 离散小波变换 语义学(计算机科学) 过度拟合 故障检测与隔离 增采样 离散化 特征向量 特征(语言学) 忠诚 残余物 深度学习
作者
Xiaohong Qiu,Zixiang Yu,Yujie Hu
出处
期刊:Measurement Science and Technology [IOP Publishing]
卷期号:37 (8): 086105-086105 被引量:2
标识
DOI:10.1088/1361-6501/ae4768
摘要

Abstract The scarcity of compound fault samples and the complexity of feature coupling in industrial scenarios severely limit the accuracy of traditional data-driven methods and zero-shot diagnosis models. Ensuring the distribution consistency and diversity of generated samples remains a significant challenge. To address this, this paper proposes a zero-shot compound fault diagnosis method driven by semantic adaptive fusion, aiming to achieve precise identification of unseen compound faults using only single-fault data. First, continuous wavelet transform is utilized to convert one-dimensional vibration measurement signals into two-dimensional time–frequency images containing rich transient information. A wavelet vision transformer network is then introduced to extract highly robust 128-dimensional high-order visual features from these images. Second, a quantile-based adaptive semantic discretization strategy is designed to construct physical semantic benchmarks from single-fault distributions. Furthermore, a semantic adaptive attention fusion module is developed to perform adaptive interpolation of single-fault semantics in the latent space via an attention mechanism, inferring compound fault semantic labels that align with distribution consistency. Third, a conditional diffusion model incorporating auxiliary classifier constraints is constructed. Conditioned on the inferred compound semantics, this model generates pseudo-compound fault samples with high fidelity and excellent inter-class separability, effectively overcoming the mode collapse problem of traditional generative models. Experimental results demonstrate that the proposed method achieves an 81.67% recognition rate for compound faults without using any real compound fault training samples, validating its effectiveness and strong generalization capability for intelligent monitoring applications.
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
zsk1122完成签到,获得积分10
刚刚
秋风的应助被雪糕刺客采纳,获得200
刚刚
刚刚
科研菜鸟发布了新的文献求助10
1秒前
潇洒盼柳发布了新的文献求助30
1秒前
慕青的应助被Liy采纳,获得10
1秒前
1秒前
1秒前
1秒前
Maestro_S的应助被snow1109采纳,获得10
2秒前
陈恒kriAS发布了新的文献求助10
2秒前
阿申爱乐的应助被风趣的文博采纳,获得30
2秒前
LL发布了新的文献求助10
3秒前
Milio发布了新的文献求助10
3秒前
搞怪乐驹发布了新的文献求助10
3秒前
4秒前
5秒前
赘婿的应助被HugginBearOuO采纳,获得10
5秒前
嘿嘿完成签到,获得积分10
5秒前
Owen的应助被煎饼煎饼采纳,获得10
5秒前
6秒前
我是谁的应助被NN采纳,获得30
6秒前
6秒前
烟花的应助被超级铅笔采纳,获得10
7秒前
NexusExplorer的应助被书亚采纳,获得10
7秒前
wzm发布了新的文献求助10
7秒前
DL发布了新的文献求助10
7秒前
酷酷寻菡发布了新的文献求助30
7秒前
Tingting完成签到 ,获得积分10
7秒前
zt发布了新的文献求助10
7秒前
8秒前
8秒前
LXL完成签到,获得积分10
8秒前
屈天星发布了新的文献求助10
8秒前
所所的应助被黄泽森采纳,获得10
8秒前
星星发布了新的文献求助10
9秒前
9秒前
zhang发布了新的文献求助10
9秒前
十七完成签到,获得积分10
10秒前
水煮电吹风的应助被JXY189采纳,获得10
10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 1700
Grapes 1000
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
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 8178521
求助须知:如何正确求助?哪些是违规求助? 9569377
关于积分的说明 21803750
捐赠科研通 7773465
什么是DOI,文献DOI怎么找? 3432844
关于科研通互助平台的介绍 2556838
邀请新用户注册赠送积分活动 2478444