在发表于《Transactions of the Institute of Measurement and Control》的论文《Fault diagnosis of marine diesel engine via control-aware domain-adversarial network: A control-diagnosis collaboration perspective》基于控制感知领域对抗网络的船用柴油机故障诊断控诊协同视角中针对复杂多变工况下控制信号诊断价值未被充分利用的问题提出了一种结合控制先验与领域自适应的控制感知领域对抗网络Control-Aware Domain-Adversarial Network, CA-DANN。该方法从“控制-诊断协同”的基本物理逻辑出发构建了一种可推广至动态受控机电热力系统的通用故障诊断方式。一、 控诊协同视角的提出背景在复杂工业与动力装备的运行监测中现存的数据驱动诊断方法多集中于对系统状态信号如振动、温度、介质流量等的特征提取与模式识别。这类方法通常假定输入特征与故障状态之间存在静态或确定性的映射关系但在具备主动调节控制的动态系统中这一假定面临挑战。在闭环受控系统中控制信号代表了系统的主动调节指令而状态信号则是系统响应控制指令后的被动表现。当系统处于变工况或操纵过渡过程中时由操控指令引起的动态波动往往会与早期故障引起的异常表征发生混淆。图1不同操纵工况与喷孔堵塞程度下的控制与状态信号时序变化。(a) 无喷孔堵塞时不同输入转速下单喷油器的质量流量(b) 100 rad/s 输入转速下不同喷孔堵塞程度的单喷油器质量流量。如论文中的图1所示以柴油机燃油喷射系统为例外部操作引起的转速下降与机械喷孔堵塞故障均会导致喷射峰值流量减小并延长尾喷阶段。若模型仅依赖被动的状态监测信号不同工况分布与不同故障等级之间的特征边界极易混叠而若仅将控制变量与状态变量进行并列拼接输入则忽略了“控制驱动状态”的物理因果不对称性。因此设计一种能够体现控制主动调节作用与状态被动响应关系的控诊协同架构成为解决跨工况混淆的关键。二、 控制感知领域对抗网络CA-DANN整体架构论文提出的控制感知领域对抗网络主要由三个核心模块构成控制感知特征提取器、故障类别分类器以及工况辨识器。图3控制感知领域对抗网络整体架构。从图3的整体拓扑中可以看出网络的设计思想主要体现为两个维度纵向的特征解耦与加权融合在特征提取阶段针对控制信号与状态信号的物理属性差异分别设立专用提取支路并由控制支路动态生成对状态特征维度的门控权值。横向的细粒度领域对抗在特征泛化阶段打破传统对抗网络仅区分源域与目标域的二分类局限引入基于具体工况模式的多分类对抗机制促使提取器学习对多变工况分布不敏感的本质故障特征。三、 核心技术模块与工作机理1. 双支路特征提取与非对称加权融合机制为反映控制信号的主导性与状态信号的时序动态性特征提取器采用了分流设计图4加权融合机制下特征提取器的超参数与网络层级结构。状态信号特征提取支路物理状态信号如各缸喷射质量流量易受瞬态冲击和测量噪声干扰且具有强烈的时序依赖性。状态支路采用长短期记忆网络LSTM进行时间维度建模利用门控结构滤除高频非平稳扰动并截取序列末端时间步的隐层状态表征当前状态演化趋势。控制信号特征提取支路控制指令如凸轮轴转速、凸轮线速度及位置等具有明确的多通道协同与周期相位特征。控制支路首先通过多头注意力机制MHA在不同的子空间中捕捉控制变量之间的跨时间依赖关系提取序列末端的全局特征然后利用通道注意力模块SE-Net通过“全局压缩”与“通道激励”两步操作捕获不同特征通道间的重要性差异最后经过残差连接与线性映射使用 Sigmoid 激活函数将输出值严格限制在零到一的数值开区间内。特征乘性融合控制支路生成的非负权重向量并不直接作为分类特征而是作为状态特征各维度的缩放系数与状态支路提取的隐层特征进行逐元素相乘。这种机制在计算逻辑上模拟了控制行为对物理状态的“放大”或“抑制”调节作用使融合特征具备显式的控制感知能力。2. 细粒度多分类领域对抗机制传统领域对抗网络DANN通常引入二值域判别器仅判别样本来自有标签的源域还是无标签的目标域。但在工程实际中复杂操作往往包含多种连续或离散的动态过渡状态例如加速、减速、交替加减速及稳态等多种子工况源域与目标域内部均存在复杂的子分布。CA-DANN 将传统的二值域分类器重构为多分类工况辨识器。该辨识器通过前置梯度反转层GRL与特征提取器连接在前向传播过程中特征正常传输至辨识器以计算工况分类损失在反向传播过程中梯度反转层自动将辨识器回传的梯度取反并施加调节权重回传给特征提取器。通过这种细粒度的对抗博弈特征提取器被迫抹去各具体操纵工况所特有的高频个性特征促使网络将目标域中各类复杂变工况的特征分布向稳态源域对齐提取出与工况解耦、仅反映机械故障演化的域不变表征。四、 系统建模与鲁棒性分析设计为验证方法的机理完备性研究构建了四缸柴油机高压直列喷射系统的分层耦合热力学仿真模型。图2柴油机高压直列喷射系统分层耦合热力学仿真模型及内部原理图。(a) 分层耦合热力学仿真模型(b) 凸轮轴子系统局部视图© 喷油器子系统局部视图。如图2所示模型涵盖了凸轮轴传动子系统、输油泵、高压共轨/蓄压管道、溢流阀以及四套独立的直列柱塞泵与喷油器单元能够模拟不同凸轮型线驱动下的瞬态水力学特性及不同喷孔几何截面下的流动阻塞故障。在该机理框架下研究进一步针对实际工程中可能出现的传感退化问题进行了结构分析控制传感器失效/掉线容错性在常规输入拼接型网络中输入通道的异常归零或数据缺失会直接作为奇异值传入深层网络引起特征空间的剧烈偏移。而在 CA-DANN 中由于控制支路输出经过 Sigmoid 激活函数约束在零至一的有限边界内当控制信号缺失或置零时所产生的权值波动被限制在特定范围内状态支路仍可通过乘性结构保留主要的特征形态抑制了输入端传感器缺失带来的突发性失效。噪声与控制偏置影响将高斯白噪声分别注入控制与状态通道的机理分析表明状态信号直接承载微观故障流阻信息噪声易淹没微弱故障特征而控制通道因经过多头注意力机制与注意力加权池化对随机噪声具有天然的平滑滤波特性。此外当执行机构存在校准漂移等恒定偏差时网络特征表征的退化表现出平缓过渡趋势反映了该结构在控制系统出现小幅机械偏差时维持诊断一致性的能力。五、 结语论文提出了一种基于控制感知领域对抗网络CA-DANN的机械故障诊断建模方法。该工作以船用柴油机喷油系统为研究对象从被动特征挖掘转向主动“控诊协同”在网络结构上通过专用的控制特征注意力生成通道维度的动态门控权重并在泛化机制上通过基于梯度反转的多分类细粒度对抗消除工况混淆。这一架构为解决强受控、大变动工况下的机电热力设备特征解耦与智能运维诊断提供了参考。参考文献Fault diagnosis of marine diesel engine via control-aware domain-adversarial network: A control-diagnosis collaboration perspective[J]. Transactions of the Institute of Measurement and Control, 2026.https://journals.sagepub.com/doi/abs/10.1177/01423312261487500