通过自适应时空注意力和样本生成进行异构领域的故障诊断

本研究针对现有故障诊断方法在多模式过程中的不足，提出了一种新颖的自适应时空注意力网络（TSA-SAN）模型，解决了不同操作模式间健康状态类别不完全重叠的问题。通过构建模式间映射生成多模式样本，并运用自适应实例归一化和时空注意力机制，该模型显著提升了故障识别的准确性与泛化能力。