本文分享的论文题目为《 Fault diagnosis of marine diesel engine via control-aware domain-adversarial network: A control-diagnosis collaboration perspective》（基于感知控制域对抗网络的船用柴油机故障诊断：控制-诊断协同视角）。该研究针对机动变工况下船用柴油机喷油系统微弱故障难以有效辨识的问题，从控制与状态机理耦合的角度探讨了数据驱动诊断的新思路。

一、控诊协同对微弱故障诊断的必要性

在船用柴油机运行过程中，控制信号代表系统的主动调节指令，而状态监测信号则是系统物理动态的被动响应。对于高压喷射系统而言，早期微弱故障（如微小喷孔堵塞）通常仅引起状态信号的轻微扰动。

如论文图1所示，转速下降等机动工况操作会导致喷油质量流量的峰值降低并伴随尾部拖尾；而喷孔发生微弱堵塞时，其流量形态也呈现出相似的峰值衰减和时延变化。若诊断模型仅依赖状态信号，往往会将正常的机动操纵响应与早期的微弱故障混淆，导致误报或漏报。引入控制信号构建“控诊协同”机制，相当于为状态特征提供了实时动作基准，使模型能够解耦机动行为与故障退化引起的特征偏移，从而准确捕捉微弱故障本质。

二、网络架构与核心技术设计

为实现控制信号对状态特征的有效调制与跨工况泛化，论文提出了感知控制的域对抗网络架构，整体流程由双分支特征提取、自适应加权融合以及细粒度域对抗三部分组成。

1. 双分支特征提取与自适应加权融合

模型并未将控制量与状态量直接进行简单的拼接输入，而是针对各自物理特性建立了分立的处理分支：

• 状态特征分支：以各缸喷油器的喷油质量流量为输入，采用长短期记忆网络提取喷射动态的时序演化特征。

• 控制特征分支：以凸轮轴角速度、凸轮速度及凸轮位置等控制变量为输入，首先利用多头自注意力机制捕捉控制变量之间的跨通道关联，随后结合通道注意力机制自适应分配通道权重，并经由非线性激活函数映射至零到一的数值区间。

• 特征加权融合：由控制分支生成的权重向量与状态特征向量进行逐元素相乘。控制特征通过动态调整状态特征各维度的增益，自适应地强化与故障相关的关键分量、抑制工况波动引起的干扰分量。

2. 细粒度机动工况域对抗机制

为缓解变速机动过程引起的分布偏移，模型拓展了传统的二值域对抗判别思路：

• 采用多分类机动工况判别器代替传统的“源域/目标域”二分类器，细致刻画恒速与不同加减速过渡工况。

• 判别器前端配置梯度反转层。在训练阶段，特征提取器与工况判别器形成对抗博弈，使得最终融合特征对机动工况的变化产生不变性，保留纯粹反映喷孔堵塞程度的故障表征。

三、技术总结

该工作阐述了在强动态、变工况设备中，控制信息对物理状态解释与微弱故障识别的支撑价值。通过控制特征对状态特征的动态加权，以及细粒度对抗对工况差异的抑制，为复杂机动条件下的动力系统智能运维提供了一种合理解耦的工程技术参考。

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/10.1177/01423312261487500