在船舶与重型动力装备的智能运维研究中状态监测与故障诊断大多依赖于振动、温度、压力和流量等状态响应信号。然而动力系统并非孤立运行的被动对象其内部状态时刻受到控制指令的调节。近期发表在《Transactions of the Institute of Measurement and Control》上的论文《Fault diagnosis of marine diesel engine via control-aware domain-adversarial network: A control-diagnosis collaboration perspective》从“控诊协同”的视角切入探讨了在船舶机动操纵工况下将控制系统信号引入故障诊断模型的必要性与具体实现途径。一、 为什么机动操纵下的故障诊断需要考虑控制信号柴油机等动力装备在实际航行中频繁处于加速、减速及变速等机动操纵状态。传统的纯数据驱动方法通常仅采集并分析系统状态信号忽视了控制系统动作对发动机运行状态的直接影响。在物理机制上控制信号表征了系统的主动调节指令而状态信号则是系统对控制输入的被动响应。当二者解耦分析时容易引发工况变化与物理故障之间的混淆。以柴油机燃油喷射系统为例当船舶进行减速操纵时凸轮轴转速下降单次喷油的喷射质量流量峰值会降低同时伴随喷射拖尾现象的延长当喷油嘴出现磨损堵塞故障时燃油流通截面积减小同样会导致喷射质量流量峰值下降和喷射历程的改变。如上图所示转速下降与喷嘴孔径缩小的响应曲线在形态和变化趋势上具有高度相似性。若诊断模型仅依赖燃油质量流量等状态特征极易将机动操纵引起的正常状态波动误判为喷油器堵塞故障。将转速、凸轮位置等控制端参数纳入诊断视野有助于模型理清状态变化的根本成因在特征空间中区分工况过渡与机械故障。二、 控制感知特征提取与加权融合机制为了在网络结构中体现“控制支配状态”的物理因果链论文没有采用简单的特征向量直接拼接方式而是构建了双分支的控制感知特征提取器并通过动态加权实现控诊特征融合。该结构包含两个输入处理通路控制信号特征提取分支输入为凸轮轴角速度、凸轮线速度及凸轮位置等控制端变量。该分支首先利用多头自注意力机制捕捉各缸控制变量之间的相位与幅值关联提取全局时序特征然后通过包含挤压与激励操作的通道注意力模块对特征通道赋予不同的权衡系数并经残差连接与归一化激活函数处理生成取值范围在零到一之间的调制权重。状态信号特征提取分支输入为各缸喷油器的燃油喷射质量流量等瞬态状态数据。该分支采用长短期记忆网络处理时间序列利用其门控机制滤除随机扰动提取表征喷油历程演变的核心隐藏状态。动态加权融合方式模型将控制分支生成的归一化权重与状态分支提取的时序特征进行逐元素相乘。在此机制下控制特征充当软性门控开关根据当前的操纵输入条件自适应调节各维度状态特征的传递幅度抑制受工况干扰严重的冗余信息强化与故障本质相关的特征分量。三、 细粒度机动工况域对抗迁移在非平稳机动场景下训练集通常基于稳态或有限工况标定与测试集复杂多变的过渡工况之间存在明显的分布偏移。传统的域对抗网络通常使用二分类鉴别器来区分源域与目标域。但在实际航行中机动过程包含持续加速、持续减速以及交替加减速等多种细分状态。针对这一特点论文在特征提取器后端引入了细粒度工况分类器与梯度反转层该分类器直接对多种预设的机动操纵类别进行多分类判别而非仅区分源域与目标域训练过程中通过反向传播时的梯度取反操作迫使特征提取器提取的表征无法被机动分类器辨识。这种细粒度对抗约束推动网络滤除由操纵策略差异引入的工况特征保留跨操纵工况下恒定的故障本征特征缓解变工况引起的特征空间漂移。四、 总结将动力系统的控制输入与被动状态监测相结合构建协同建模机制是解决强动态工况下状态混淆的合理途径。论文提出的控制感知特征提取、动态加权融合以及细粒度域对抗对齐结构系统地展示了控制信息如何在数据驱动模型中辅助状态特征的有效解耦。这一思路表明在复杂机电液系统的状态监测中引入闭环控制回路的上下文先验对提升变工况故障诊断的鲁棒性具有清晰的理论必要性。来源文献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