В качестве ключевого звена системы передачи тонкокатаной машины распределительный ящик играет решающую роль в передаче и распределении усилия прокатки. Поэтому исследование диагностики неисправностей распределительного ящика имеет большое значение для обеспечения безопасности и надежности технологического процесса. Однако когда признаки неисправности неочевидны и тип неисправности неизвестен, традиционные методы диагностики могут не дать надежных результатов. Для решения этих проблем в данной работе предложена модель открытого множества сквозной области, использующая конкурентное обучение для усиления признаков при нечётких неисправностях и интегрирующая распределительные методы для распознавания неизвестных неисправностей. Учитывая важность представления признаков для конкурентного обучения и распознавания неизвестных неисправностей, разработан извлекатель характеристик взаимодействия информации, объединяющий глубоко сепарабельные свёртки и графовые сверточные сети, что компенсирует ограничения традиционных глубоко сепарабельных свёрток в отношении независимости каналов при извлечении глубоких признаков. Для распознавания неизвестных неисправностей распределительного ящика применён метод аппроксимации седловой точки, который во время обучения строит распределение для каждого известного класса, а на этапе тестирования использует эти распределения для идентификации неизвестных образцов. В отличие от традиционных методов построения распределения, метод аппроксимации седловой точки напрямую использует данные без опоры на предположения о распределении или формулы. Для проверки превосходства предложенного метода проведены сравнительные эксперименты на основе исторических данных о неисправностях распределительного ящика. Результаты показывают, что метод достигает точности 94,13% и H-меры 91,35%, демонстрируя превосходные показатели как при классификации известных неисправностей, так и при распознавании неизвестных.

диагностика неисправностей;открытое множество;конкурентная сеть;тонкокатная машина;распределительный ящик