Shiki

任务一 (数据分析与故障特征提取)

• 方案一 (机理驱动与包络谱方法)

  数据治理

  包络与频谱

  特征构建

  特征选择与稳定性

• 方案二 (时频图像与深度特征)

  数据治理

  时频表示

  特征提取

  特征稳健性

• 方案三 (循环平稳与阶次归一)

  数据治理

  循环平稳分析

  多域融合

• [[E高速列车轴承智能故障诊断问题-论文_任务一]]
• [[E高速列车轴承智能故障诊断问题-论文_任务一_代码要点]]

任务二 (源域故障诊断)

• 方案一 (可解释特征与集成学习)

  模型与训练

  校准与输出

  诊断与可视化

• 方案二 (一维卷积网络)

  输入设计

  模型与训练

  评估与部署

• 方案三 (多视图融合与堆叠)

  视图构建

  融合策略

  消融与稳定性

任务三 (迁移诊断)

• 方案一 (基于分布差异最小化的特征对齐)

  训练流程

  伪标签回灌

  可视化与输出

• 方案二 (对抗式领域自适应)

  结构设计

  训练细节

  结果呈现

• 方案三 (半监督伪标签自训练)

  初始模型

  选择与微调

  稳定化

任务四(迁移诊断的可解释性)

• 方案一 (事前可解释)

  结构与特征

  证据呈现

• 方案二 (迁移过程可解释)

  对齐指标

  迁移轨迹

  诊断与攻击

• 方案三 (事后可解释)

  图像分支

  表格分支

  报告生成

%% kanban:settings

{"kanban-plugin":"board","list-collapse":[false,false,false,false]}

%%