Als ein Schlüsselglied im Antriebssystem der Präzisionswalzmaschine spielt der Verteilerkasten eine entscheidende Rolle bei der Übertragung und Verteilung der Walzkraft. Daher ist die Forschung zur Fehlerdiagnose des Verteilerkastens von großer Bedeutung für die Gewährleistung der Sicherheit und Zuverlässigkeit des Prozessbetriebs. Wenn jedoch Fehlermerkmale nicht deutlich sind und die Fehlerart unbekannt ist, können traditionelle Diagnoseverfahren möglicherweise keine zuverlässigen Ergebnisse liefern. Zur Lösung dieser Probleme wird in dieser Arbeit ein domänenübergreifendes Open-Set-Modell vorgeschlagen, das adversariales Lernen verwendet, um unter unscharfen Fehlermerkmalen die Merkmalsdarstellung zu verbessern, und verteilungsbasierte Methoden zur Erkennung unbekannter Fehler integriert. Unter Berücksichtigung der Bedeutung der Merkmalsdarstellung für adversariales Lernen und die Erkennung unbekannter Fehler wurde ein Informationsaustausch-Merkmalsextraktor entwickelt, der tief separable Faltungen mit Graph-Convolutional-Netzwerken kombiniert; diese Struktur kompensiert die Einschränkungen traditioneller tief separabler Faltungen hinsichtlich der Kanalunabhängigkeit bei der Extraktion tiefer Merkmale. Zur Erkennung unbekannter Fehler des Verteilerkastens wurde die Sattelpunktsapproximation angewandt, bei der während der Trainingsphase für jede bekannte Klasse eine Verteilung erstellt wird, und diese Verteilungen in der Testphase verwendet werden, um unbekannte Proben zu identifizieren. Im Gegensatz zu herkömmlichen Verteilungserstellungsverfahren verwendet die Sattelpunktsapproximation die Daten direkt, ohne auf vorgegebene Verteilungshypothesen oder Gleichungen angewiesen zu sein. Zur Validierung der Überlegenheit der vorgeschlagenen Methode wurden Vergleichsexperimente basierend auf historischen Fehlerdaten des Verteilerkastens durchgeführt. Die Ergebnisse zeigen, dass die Methode eine Genauigkeit von 94,13 % und einen H-Score von 91,35 % erreicht und sowohl bei der Klassifikation bekannter Fehler als auch bei der Erkennung unbekannter Fehler hervorragende Leistungen zeigt.

Fehlerdiagnose;Open-Set;adversarielles Netzwerk;Präzisionswalzmaschine;Verteilerkasten