Cet article aborde les défis du diagnostic de défauts complexes dans les machines tournantes, en raison de la complexité croissante et des conditions de fonctionnement variables (par exemple, vitesse de rotation, variations de couple), notamment dans les situations nécessitant une adaptation de domaine. Un nouveau cadre de classification multi-sorties (MOC) est proposé pour l'adaptation de domaine dans des jeux de données cibles partiellement étiquetés. Contrairement à la classification multi-classes (MCC) conventionnelle, le cadre MOC classe simultanément les niveaux de gravité des défauts complexes. En appliquant plusieurs architectures mono-tâches et multi-tâches (y compris des conceptions à tronc partagé et basées sur les interactions) à la formulation MOC, nous effectuons un diagnostic de défauts complexes dans des conditions partiellement étiquetées. Plus précisément, nous proposons une nouvelle architecture d'interaction, le Réducteur de Dimensionnalité Neurale Résiduelle (RNDR), qui permet un partage sélectif d'informations entre les tâches de diagnostic et améliore les performances de classification dans les scénarios de défauts complexes. Nous intégrons une normalisation hiérarchique fréquentielle pour améliorer les performances d'adaptation de domaine pour les données de vibrations des moteurs. À l'aide d'un dispositif de test basé sur un moteur, nous évaluons les conditions de défauts complexes mises en œuvre dans six scénarios d'adaptation de domaine. Les résultats expérimentaux démontrent des performances macro-F1 supérieures à celles des modèles de référence, et les comparaisons de défauts uniques démontrent que les avantages structurels du RNDR sont plus prononcés dans les situations de défauts complexes. Nous avons également confirmé que la normalisation de la couche fréquentielle est plus adaptée aux tâches de diagnostic de défauts que les méthodes existantes. Enfin, nous avons analysé le RNDR et d'autres modèles avec un nombre accru de paramètres dans diverses conditions et les avons comparés à la structure RNDR élaguée.
