摘要： 随着现代工业快速发展，机械转动部件如锥齿轮箱在各类设备中所起作用越来越重要，因此对其进行故障诊断的重要性愈发凸显。提出一种基于无监督多域适应对抗网络的故障诊断方法。该方法结合了Transformer 架构的强大特征提取能力和概率稀疏自注意力机制，以及对抗网络的域适应能力，能够在不同转速和负载条件下，实现对锥齿轮-轴承系统中单一、复合及装配故障的高效诊断。实验结果表明，与传统的卷积神经网络和Transformer 模型相比，该方法在各种工况下表现优异，具有更高的分类准确率和更强的鲁棒性。该研究为机械设备的智能维护提供了一种新的技术途径，可为提升工业设备的安全性和可靠性作出贡献。

关键词: 故障诊断, 锥齿轮箱, 无监督迁移学习, 对抗网络, 深度学习