【论文解读】基于深度渐进收缩视角的机械复合故障诊断
在机械装备状态监测中,复合故障通常伴随多个单一故障特征的相互耦合,加之工况波动与强背景噪声的影响,容易导致特征空间内类内发散度过大、不同故障类别间严重重叠。针对这一工程问题,发表于期刊《Measurement》的论文《Mechanical compound fault diagnosis via suppressing intra-class dispersions: A deep progressive shrinkage perspective》提出了一种深度渐进收缩学习方法(DPSL)。该方法从特征层和决策层协同切入,通过渐进收缩机制滤除噪声干扰并抑制类内发散,从而实现复合故障与单一故障...