Китайські дослідники представили уніфіковану крос-модальну адаптивну структуру контрастного навчання для акустичної діагностики підшипників кочення в умовах обмежених і незбалансованих даних.

Метод дозволяє:

• формувати двомодальні представлення з одного акустичного сигналу (часова форма + зображення GADF) для збагачення ознак без фрагментації даних;
• інтегрувати різнорідні ознаки через крос-модальне контрастне навчання;
• застосовувати двозадачний дискримінатор, що одночасно оцінює стан підшипника та ідентифікує тип несправності, з динамічним балансуванням навчання у разі дисбалансу класів.

Випробування на двох наборах даних показали точність 97,9 % та середнє значення G 98,9 %, з покращеним виявленням міноритарних класів та стабільністю в умовах сильної незбалансованості.

Ця розробка відкриває нові можливості для інтелектуального технічного обслуговування та підвищення надійності промислових механізмів.

За матеріалами Sciencedirect