精密圧延機の駆動システムの重要な部分として、配電箱は圧延力の伝達および分配において重要な役割を果たしている。したがって、配電箱の故障診断研究は、工程運転の安全性および信頼性を確保する上で重要な意義を持つ。しかし、故障特徴が明確でなく、故障種類が不明な場合、従来の診断方法では信頼できる診断結果を提供できないことがある。これらの問題に対処するために、本論文では曖昧な故障特徴下での特徴表現を強化するために敵対的学習を利用し、未知故障の識別のために分布ベースの手法を融合したクロスドメインオープンセットモデルを提案する。特徴表現が敵対的学習および未知故障識別において重要であることを考慮し、深層可分離畳み込みとグラフ畳み込みネットワークを融合した情報相互作用特徴抽出器を構築した。この構造は深層特徴を抽出しながら、従来の深層可分離畳み込みのチャネル独立性の限界を補う。配電箱の未知故障識別には鞍点近似法を採用し、訓練段階で各既知クラスの分布を構築し、テスト段階でこれらの分布を利用して未知サンプルを識別する。従来の分布構築法とは異なり、鞍点近似法は事前に設定された分布仮定や式に依存せずにデータを直接使用する。提案手法の優位性を検証するために、配電箱の過去の故障データに基づく比較実験を実施した。結果は、本手法が94.13％の精度と91.35％のHスコアを達成し、既知故障分類および未知故障識別の両面で優れた性能を示したことを示す。

故障診断;オープンセット;敵対ネットワーク;精密圧延機;配電箱