针对船用柴油机燃油喷射系统在多变机动操纵工况下的故障诊断难题，近期发表于《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》，提出了从“控诊协同”视角切入的控制感知领域对抗网络架构。该研究指出了长期以来纯数据驱动方法过度依赖纯状态观测信号所导致的局限，系统论述了将控制端主动调节信号与状态端被动响应信号进行机理耦合与深度对齐的技术路径。
一、 机动工况下的状态混叠：纯状态观测的局限
在工业设备特别是重型动力装备的运行监测中，传统诊断方法多聚焦于振动、温度、流量等设备运行状态信号的建模。然而，工业装备往往处于非恒定工况下，频繁的加减速与变负荷操纵使得系统内部动态高度复杂。
以船用柴油机燃油喷射系统为例，喷油器喷嘴的磨损或积碳结焦会导致喷油质量流量下降，但主轴转速的减小同样会引起类似的变化。
从论文中的对比曲线（Figure 1）可以看出，在无喷嘴堵塞的情况下，输入转速下降会导致单次喷射的峰值流量降低且尾部延长；而在恒定转速下，随着喷孔截面积逐渐缩减，喷油质量流量亦呈现出峰值削减与喷射持续期拉长的特征。
当系统处于变速机动运行中，由外部控制调节引起的工况扰动与由内部机械退化引起的故障表征在时域波形上发生重叠。
诊断模型若仅孤立提取状态信号的时域或频域特征，往往难以甄别特征变化究竟源于机动操纵还是机械故障，进而导致误诊。
二、 系统的层次化耦合物理机理
为准确刻画控制行为与状态输出之间的因果联系，研究构建了四缸船用柴油机高压直列式喷油系统的热力学仿真模型。
从物理系统的传动与控制机理来看（Figure 2）：
- 控制输入端：凸轮轴接收来自调速器的转速指令，驱动供油泵偏心凸轮以及驱动各分泵的抛物线型凸轮；凸轮轴角速度、凸轮线速度和凸轮升程位置直接决定了柱塞泵的压油节奏与行程特性。
- 状态响应端：喷油器针阀在燃油液压作用下开启与闭合，排出瞬态燃油，其喷射质量流量是反映针阀运动状态与喷孔通畅程度的物理指标。
在物理本质上，控制信号表征了系统受到的主动激励与调节意图，而状态信号则是系统结构特性在控制激励下的被动物理响应。控制系统与被控机械结构在物理链路上本身就是闭环耦合的，将二者割裂处理并不符合装备的真实运行逻辑。
三、 控制感知加权融合架构
为了在模型中重建控制意图对状态特征的调节机制，该研究设计了分叉式的控制感知特征提取结构，避免了直接把控制变量与状态变量进行多通道拼凑的传统做法。
整体网络主要包含两个分支与交互模块（Figure 3 与 Figure 4）：
- 状态特征提取分支：将各缸喷油器的瞬态质量流量序列输入长短期记忆网络（LSTM），依靠门控机制捕捉燃油喷射波形的上升沿斜率、峰值形态及喷射持续时间等时间演变特征。
- 控制特征提取分支：将多缸的凸轮轴角速度、凸轮线速度和凸轮位置等控制参数输入多头自注意力机制（MHA），在不同的投影子空间内建立控制信号跨通道与跨气缸的时序相关性。然后，提取时间序列末位特征向量，并利用通道注意力机制（SENet）对其进行全局池化与通道重校准，再辅以残差连接保持原始表达。
- 机理加权融合：控制分支的输出经过逻辑激活函数映射，生成介于零至一之间的通道权重系数向量，该系数与状态分支提取出的特征向量逐元素相乘。
这种加权方式赋予了网络自适应调控能力：利用控制端提取的操纵语义，对状态特征中的各个维度进行抑制或放大。此外，当实际运行中控制类传感器出现数值丢失或离线时，经受约束的权重输出依然保持在有限区间内轻微变化，降低了直接拼接输入对网络深层特征造成的突变破坏。
四、 细粒度领域对抗自适应
引入控制信号虽然增强了样本的可分性，但不同机动工况（加速、减速、多段连续调速）下的特征分布仍然存在漂移。传统领域对抗网络通常仅包含一个二值判别器，用于区分样本来自恒定工况的源域还是多变工况的目标域。
针对多模态、连续变工况的特征分布，该研究在框架中构建了多分类机动机制判别器。在特征层之后引入梯度反转层，将原有的源域/目标域二分类扩展为面向不同操纵模式的细粒度多类别分类判别。
在反向传播过程中，梯度反转层将判别损失的梯度反向传递至特征提取器，迫使提取器不仅要混淆数据来自源域还是目标域，还要进一步抹除特征表示中包含的具体机动操纵类别信息。最后，特征空间中各工况下的样本特征被对齐至与工况无关的特征上，促使下游的故障程度分类器专注于提取不受机动模式干扰的本征故障表征。
结语
在工况高度动态化的工业场景中，将诊断逻辑从被动的“纯状态观测”扩展为主动的“控诊协同”，能够从根本上缓解控制动作与机械故障在物理表征上的混叠现象。结合物理层次特征提取、通道自适应加权与细粒度域对抗机制，该技术框架为复杂工业系统在非平稳环境下的特征解耦提供了一条可参考的思路。
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
