基于图卷积和多传感融合的跨设备故障诊断方法
孙元帅
孔繁钦
聂晓音
谢刚
太原科技大学 电子信息工程学院,太原 030024;先进控制与工业智能山西省重点实验室,太原 030024
摘要：[目的]针对实际生产中机械设备的标记故障数据获取困难、跨设备数据概率分布不同导致诊断准确率低的问题,提出一种基于图卷积和多传感融合的跨设备故障诊断方法——卷积域图卷积网络(Convolutional Domain Graph Convolution Network,CDGCN),实现对类标签、域标签和数据特征结构的统一建模.[方法]首先,利用卷积神经网络从原始信号中提取初步特征;其次,通过图生成层挖掘样本间的特征结构关系,构建实例图,并利用多感受野图卷积网络(Multi-Receptive Field Graph Convolutional Network,MRF-GCN)进行建模,提取更具表达力的节点特征;同时,提出一种高层特征融合方式实现多传感器信息集成;最后,令最大均值差异度量、分类器与域判别器协同工作,通过极小极大博弈实现域自适应(Domain Adaptation,DA).[结果]试验结果表明,CDGCN的平均准确率达到75.33%,相较于域对抗迁移网络(Domain-Adversarial Neural Network,DANN)、条件对抗域自适应网络(Conditional Domain Adversarial Network,CDAN)、联合自适应网络(Joint Adaptation Network,JAN)、深度自适应网络(Deep Adaptation Network,DAN)方法分别提升了29.23、30.35、15.20、12.70百分点.消融试验证明了多感受野特征提取、数据特征结构建模以及多传感器信息融合对提升迁移诊断精度的有效性.
关键词：图卷积神经网络多传感器跨设备域自适应故障诊断
分类号：TP277(自动化技术及设备)
论文发表日期：2026-02-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：10( 21-30 )
英文信息