关键词：旋转机械故障诊断;数据隐私泄露;源自由域;模糊域自适应;自监督学习策略
摘 要：现有的域自适应方法需要访问原始数据，因此存在潜在的数据隐私泄露风险。模糊域自适应通过生成模糊规则和关系，无需访问源数据，从而构建了域自适应模型。基于这一思想，提出一种基于模糊域自适应的源自由域旋转机械故障诊断方法。具体来说，在源域训练时，采用联合训练策略，通过共享模型参数同时训练所有源模型，显著提高每个私有源模型的多域性能。此外，提出的方法还建立一个融合模糊策略的模型，从源样本和各类别对应的锚点中获得模糊规则。在目标域自适应阶段，提出的方法首先使用目标数据重新训练源特征提取器，同时保持模糊规则不变。然后，引入锚点对齐策略，以传递诊断知识。最后，提出的方法设计过滤策略，获取高置信度的目标伪标签，并结合自监督学习策略对目标模型进行最终优化。经过滚动轴承跨域诊断案例和齿轮跨域诊断案例的验证，该框架是一种高效且安全的故障诊断解决方案。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取