-
题名时–空特征驱动的多轮次重构图卷积网络故障诊断方法
- 1
-
-
作者
王庆昕
张先杰
张海峰
钟凯
陈宏田
韩敏
-
机构
安徽大学计算智能与信号处理教育部重点实验室
安徽大学数学科学学院
阿尔伯塔大学化学与材料工程系
大连理工大学工业装备智能控制与优化教育部重点实验室
-
出处
《控制理论与应用》
北大核心
2025年第1期149-157,共9页
-
基金
国家自然科学基金项目(61973001)
安徽省自然科学基金项目(2208085QF205)
安徽省高等学校自然科学基金项目(2022AH050097)资助.
-
文摘
近年来,图神经网络被广泛应用于处理具有非欧结构的工业过程数据.然而由于设备运行的过程数据常常受到噪声和冗余信息的干扰,如果直接使用原始信号会导致构建的图模型不够精细和准确,从而影响后续的模型诊断性能.针对这一问题,本文提出了一种时–空特征驱动的多轮次重构图卷积网络(STMR-GCN)故障诊断方法.该方法首先利用多尺度卷积神经网络与GCN对故障信号进行特征提取.然后根据样本之间的余弦相似性对图结构进行多次重构,重构后的图模型能够更精确地反映样本之间的连边关系,并将得到的图模型输入到GCN进行故障种类的识别.最后,在东南大学(SEU)仿真数据集和真实的磨煤机数据集上进行实验,实验结果表明所提方法与其他对比方法相比诊断精度均有提高,从而证明STMR-GCN模型在故障诊断方面的有效性和实用性.
-
关键词
故障诊断
时空特征
多轮次图重构
图卷积网络
-
Keywords
fault diagnosis
spatial-temporal features
multi-round graph reconstruction
graph convolutional network
-
分类号
TH17
[机械工程—机械制造及自动化]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
