提出双向数字孪生原型锚定少样本诊断框架

Pengcheng Xia等作者提出一种双向数字孪生原型锚定框架，结合多周期学习进行少样本故障诊断，论文称在异步电机实验中性能优于代表性对比方法。 该模型先在数字孪生虚拟空间元训练，再通过测试时自适应迁移到物理设备；框架用双向孪生域原型锚定相互约束源域与目标域的类别表示，并用协方差引导增强提升目标原型估计的鲁棒性。 验证基于异步电机有限元数字孪生，覆盖三种转速和多种小样本设置。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。