原创力文档摘要
旋转机械广泛应用于风力发电、轨道交通和航空航天等关键领域，其运行状
态直接关系到生产安全与经济效益。在数据受限或训练数据与待诊断数据的分布
差异较大时，传统数据驱动的机械故障诊断方法难以实现有效的故障诊断。此外，
由于复杂的运行工况，机械设备在实际生产环境下极有可能出现未知故障。因此，
论文围绕隐私保护下的跨域机械故障诊断以及开放集场景下的跨域机械故障诊
断展开深入研究。研究内容主要包括以下两个方面：
(1)为有效应对基于联邦迁移学习的机械故障诊断中存在的巨大通信开销、
源客
摘要
旋转机械广泛应用于风力发电、轨道交通和航空航天等关键领域，其运行状
态直接关系到生产安全与经济效益。在数据受限或训练数据与待诊断数据的分布
差异较大时，传统数据驱动的机械故障诊断方法难以实现有效的故障诊断。此外，
由于复杂的运行工况，机械设备在实际生产环境下极有可能出现未知故障。因此，
论文围绕隐私保护下的跨域机械故障诊断以及开放集场景下的跨域机械故障诊
断展开深入研究。研究内容主要包括以下两个方面：
(1)为有效应对基于联邦迁移学习的机械故障诊断中存在的巨大通信开销、
源客
文档评论（0）