fault-diagnosis

本文提出了一种基于强化学习的自适应仿真到真实对齐方法，用于振动轴承健康监测，通过近端策略优化解决数据稀缺和异质故障类型差距问题。

提出了一种轻量级神经架构搜索方法，直接在部署设备上执行，用于近传感器计算。在sEMG手语和故障诊断数据集上进行了验证，提高了准确率并减少了RAM占用。

提出RGNet，一种基于重整化群理论的神经网络架构，用于特征空间的分层粗粒化，以解决故障诊断中的类别不平衡和噪声问题。在AI4I数据集上的实验结果表明，RGNet提供了可解释且具有竞争力的性能。

本文提出了一种基于置信规则库并考虑鲁棒性分析的可靠故障诊断方法，解决了传感器可靠性问题，并在WD615柴油机和轴承数据集上验证了该方法。