Como um elo chave no sistema de transmissão da laminação de precisão, a caixa de distribuição desempenha um papel crucial na transmissão e distribuição da força de laminação. Portanto, a pesquisa de diagnóstico de falhas da caixa de distribuição é de grande importância para garantir a segurança e confiabilidade da operação do processo. No entanto, quando as características da falha não são evidentes e o tipo de falha é desconhecido, os métodos tradicionais de diagnóstico podem não fornecer resultados confiáveis. Para enfrentar esses problemas, este artigo propõe um modelo de conjunto aberto cross-domain que utiliza aprendizado adversarial para fortalecer a representação das características sob falhas vagas, e integra métodos baseados em distribuição para o reconhecimento de falhas desconhecidas. Considerando a importância da representação das características para aprendizado adversarial e reconhecimento de falhas desconhecidas, foi construído um extrator de características de interação de informação que integra convoluções separáveis profundas e redes convolucionais gráficas, cuja estrutura compensa as limitações das convoluções separáveis profundas tradicionais na independência dos canais ao extrair características profundas. Para identificar falhas desconhecidas na caixa de distribuição, foi adotado o método de aproximação de ponto de sela, que constrói uma distribuição para cada categoria conhecida na fase de treinamento e utiliza essas distribuições para reconhecer amostras desconhecidas na fase de teste. Diferente dos métodos tradicionais de construção de distribuição, o método de aproximação de ponto de sela usa diretamente os dados, sem depender de suposições ou fórmulas pré-definidas de distribuição. Para verificar a superioridade do método proposto, foram realizados experimentos comparativos baseados em dados históricos de falhas da caixa de distribuição. Os resultados mostraram que o método alcançou uma precisão de 94,13% e uma pontuação H de 91,35%, apresentando excelente desempenho tanto na classificação de falhas conhecidas quanto no reconhecimento de falhas desconhecidas.

diagnóstico de falhas;conjunto aberto;rede adversarial;laminação de precisão;caixa de distribuição