基于多尺度注意力域适应网络的跨域转子故障迁移诊断方法

来源：动力工程学报杂志2026年第4期北京时间：

作者：向玲, 韩忠泉, 邴汉昆, 倪玮, 叶锋,

摘要：针对源域和目标域数据分布差异大及现场故障标签样本难获取而导致诊断精度低的问题,提出了基于多尺度注意力域适应网络(MADAN)的跨域转子故障迁移诊断方法。使用多尺度卷积层直接提取振动信号的深层故障特征;利用空间和通道注意力捕捉重要特征的所属空间位置和通道,并增大其过程传递的权重,进一步增强特征的表达能力;依据域适应方法优化源域与目标域提取特征分布的差异问题,以提高迁移诊断性能。结果表明:相比于其他诊断方法,MADAN方法在跨实验台转子故障迁移任务中具有更高的诊断精度,为跨设备转子故障迁移诊断提供了新的参考。

关键词：故障诊断,转子,多尺度卷积,注意力机制,迁移学习,