A Prototypical Networks-based Multi-task Model for Few-shot Fault Diagnosis

Semi-supervised small-sample gearbox fault diagnosis with privacy protection

“…算法分为基于对比学习和基于度量学习， 针对这两种 思想分别提出了多种不同思路的算法。Hou 等人 [15] 提出了一种基于原型网络的多任务模型， 在训练过程 中综合考虑相对距离损失，减小类内距离、增大类间 距离，显著提升诊断模型性能。但当数据集噪声较大 时，容易导致原型偏离从而降低准确性。Peng [16] 提出 了一种基于 SoftBrown 采样的负增强监督对比学习的 故障诊断算法，能够通过采样模拟未知的故障，增强 了不平衡故障检测准确率。Zhang 等人 [17] 提出了一种 领域差异引导的对比学习算法， 该方法通过在不同的 工作条件下构造样本对，学习领域不变特征，提取故 障差异特征，利用样本相似性进行对比学习，提高了 诊断精度。相同故障之间的分布并不是完全一致，当 同一故障分布不同时很难捕捉领域不变特征。 邵海东 等人 [18] 采用故障仿真模型中蕴含的丰富机理知识辅 助实测数据， 解决了目标域故障数据少标签甚至无标 签场景的跨域诊断任务。 图 1 诊断总体架构图…”