标签
本文介绍了频谱混叠前置任务（SAP），一种面向旋转机械故障诊断的自监督学习方法。通过有意对振动信号进行欠采样，并训练Transformer重建原始频谱，SAP学习到具有判别性的频域表示，从而在有限标注数据下实现强大的分类性能。
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。