كمكون رئيسي في نظام نقل ماكينة الدرفلة الدقيقة، يلعب صندوق التوزيع دوراً حيوياً في نقل وتوزيع قوى الدرفلة. لذلك، فإن إجراء أبحاث حول تشخيص أعطال صندوق التوزيع له أهمية كبيرة لضمان أمان وموثوقية تشغيل العملية. ومع ذلك، عندما تكون خصائص العطل غير واضحة ونوع العطل غير معروف، قد لا توفر الطرق التقليدية للتشخيص نتائج موثوقة. لمعالجة هذه المشاكل، يقترح هذا البحث نموذج مجموعة مفتوحة عبر النطاق، يستخدم التعلم التنافسي لتعزيز تمثيل الخصائص في ظل خصائص عطل ضبابية، ويدمج طرقاً قائمة على التوزيع للتعرف على الأعطال غير المعروفة. مع مراعاة أهمية تمثيل الخصائص للتعلم التنافسي والتعرف على الأعطال غير المعروفة، تم بناء مستخرج خصائص لتفاعل المعلومات يدمج الشبكات العصبية التفكيكية العميقة والتلافيفية الرسم البياني، حيث يعوض هذا الهيكل قيود الشبكات التفكيكية التقليدية على استقلالية القنوات أثناء استخراج الخصائص العميقة. للتعرف على الأعطال غير المعروفة في صندوق التوزيع، تم اعتماد طريقة تقارب نقطة السرج، حيث تم إنشاء توزيع لكل فئة معروفة أثناء التدريب، وفي الاختبار يتم استخدام هذه التوزيعات للتعرف على العينات غير المعروفة. تختلف طريقة تقارب نقطة السرج عن طرق إنشاء التوزيعات التقليدية بكونها تستخدم البيانات مباشرة دون الاعتماد على فرضيات توزيع مسبقة أو معادلات. للتحقق من تفوق الطريقة المقترحة، أُجريت تجارب مقارنة بناءً على بيانات الأعطال التاريخية لصندوق التوزيع. أظهرت النتائج أن الطريقة حققت دقة بنسبة 94.13%، ودرجة H بمقدار 91.35%، مع أداء ممتاز في تصنيف الأعطال المعروفة والتعرف على الأعطال غير المعروفة.

تشخيص الأعطال;المجموعة المفتوحة;الشبكة التنافسية;ماكينة الدرفلة الدقيقة;صندوق التوزيع