Китайские исследователи представили унифицированную кросс-модальную адаптивную структуру контрастного обучения для акустической диагностики подшипников качения в условиях ограниченных и несбалансированных данных.

Метод позволяет:

• формировать двухмодальные представления из одного акустического сигнала (временная форма + изображение GADF) для обогащения признаков без фрагментации данных;
• интегрировать разнородные признаки через кросс-модальное контрастное обучение;
• применять двухзадачный дискриминатор, который одновременно оценивает состояние подшипника и идентифицирует тип неисправности, с динамическим балансированием обучения в случае дисбаланса классов.

Испытания на двух наборах данных показали точность 97,9 % и среднее значение G 98,9 %, с улучшенным выявлением миноритарных классов и стабильностью в условиях сильной несбалансированности.

Эта разработка открывает новые возможности для интеллектуального технического обслуживания и повышения надежности промышленных механизмов.

По материалам Sciencedirect