SCI论文，中科院分区：计算机科学应用（二区）；化工（二区）

深度学习在过程故障诊断中显示出巨大的希望。但是，由于缺少足够的标记故障数据，其应用受到了限制。通过使用从计算机模拟生成的数据可以克服此限制。在这项研究中，我们考虑使用模拟数据来训练深度神经网络模型。由于不可避免地存在模型与过程之间的差异，因此我们进一步应用迁移学习方法来减少模拟域与物理域之间的差异。这种方法将使计算机模拟中包含的诊断知识应用于物理过程。为此，通过整合卷积神经网络和先进的领域自适应技术来设计深度迁移学习网络。通过两个案例研究来说明所提出的故障诊断方法的有效性。