デュアル分離を用いたマルチモーダル故障診断

本論文は、実際の応用において重要な課題である、未知の作業条件下での故障診断の問題に取り組んでいます。デュアル分離とクロスドメイン融合を活用してモデルの汎化性能を向上させる、新しいマルチモーダルアプローチを提案しています。マルチモーダルデータの使用とドメイン適応技術は重要な貢献です。コードが利用可能であることもプラスです。

• •未知の作業条件下での故障診断モデルの性能低下に対処。
• •モダリティ不変/特異的およびドメイン不変/特異的特徴を分離するために、デュアル分離フレームワークを採用。
• •データ拡張のためにクロスドメイン混合融合戦略を利用。
• •トリプルモーダル融合メカニズムを通じて、マルチモーダルな異種情報を統合。
• •誘導電動機の故障診断において、既存の方法よりも優れた性能を実証。