两级混淆对抗域自适应网络轴承故障诊断

在变工况轴承故障诊断任务中,领域自适应方法仅仅对两个域进行全局对齐,而未进行相应类别的对齐,为解决上述问题,提出了一种两级混淆对抗域自适应网络.该网络由一个特征生成器、两个标签分类器及一个辅助分类器组成.网络使用源域样本帮助两个任务分类器学习,同时在辅助分类器上构造了基于两级域混淆损失的对抗性学习目标函数,通过对抗训练,驱动特征生成器生成类别对齐的特征.两个公共轴承数据集的实验结果表明,该方法的平均诊断准确率远远高于传统深度学习算法和其它四种域自适应算法.     

基于元数据的复杂信息共享技术

目前,元数据共享的研究主要集中在一些专业领域,使用的元数据格式不具有普遍适用性。而且随着用户对于信息共享的需求不断提高,异构复杂数据的按需共享和同步成为亟待解决的问题。首先,对信息共享技术进行了研究,提出了一种两层结构的元数据格式,第一层元数据为单独一类数据提供了统一的描述格式,第二层元数据统一管理第一层元数据以屏蔽不同类别元数据格式的差异。其次,在信息共享系统中实现了多类数据在不同用户之间的数据同步,并对元数据的检索方法进行了改进,提高了效率。最后,通过实验证明了方法的有效性,并给出了结论。