实验室博士生徐政伟和陈传良硕士共同撰写的论文被国际顶级期刊 ieee transactions on network and service management (if=4.758)录用-z6尊龙旗舰厅

实验室博士生徐政伟和陈传良硕士共同撰写的论文被国际顶级期刊 ieee transactions on network and service management (if=4.758)录用，祝贺！

fault diagnosis in industrial control networks using transferability-measured adversarial adaptation network

ieee transactions on network and service management,
2022 (sci index, if=if=4.758)

近年来，随着世界各地工业基础设施安全事件数量不断增加, 工业设备的故障诊断成为了智能物联网安全系统中不可或缺的一部分。主流的故障诊断模型依赖于长期的训练和大量的故障数据，但是在环境变化时，无法有效和及时地更新模型，就会导致精度的下降。然而，传统的跨域故障诊断的方法通常假设目标域和源域的样本共享相同的故障模式集，以及对于源域和目标域都有一定的先验知识。这一点在实际的工业场景下很难满足，经常会导致域偏移的问题。基于上述问题，本文提出了一个可度量迁移性的对抗性适应网络（taan），以在没有先验知识的情况下识别未知类别。为了解决普遍的da诊断问题，本文通过混合可迁移性估计嵌入对抗域自适应网络中来权衡每个样本的贡献。通过这种方式，taan可以通过选择性地对齐具有高可迁移性的源域样本和目标样本来适当地对公共标签空间中的样本进行分类。因此，可以在标签集没有先验知识的情况下弥合领域和类别差距。taan中引入的可迁移机制可以量化每个样本的重要性，并减少无关私有类别的影响。本文将两个辅助分类器和一个辅助域鉴别器添加到传统的对抗性da网络来计算可迁移性。此外，本文还开发了taan的类平衡版本（taan-cb），作为处理数据不平衡的补偿机制。通过正确匹配两个域之间的共享标签集中的数据分布，本文的方法可以提取域不变和类判别特征，以提高故障诊断的有效性。