原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
齿轮箱作为工业旋转机械设备中的核心部件，其运行状态对整个系统的安全
性和稳定性具有重要影响。随着工业智能化程度的不断提升，如何在实际工程场景
下实现高效、准确、鲁棒的齿轮箱故障诊断成为了当前智能维护与故障预测领域的
研究热点。由于实际工程中往往存在样本不足、工况变化显著、数据分布不一致、
目标域缺乏标注等问题，传统依赖大量标注数据的深度学习方法在实际应用中面
临诸多挑战。针对上述问题，本文围绕齿轮箱故障诊断任务，分别从小样本迁移学
习与无监督域适应两个角度出发，提出了两种新型的齿轮箱故障诊断方
文档评论（0）