时–空特征驱动的多轮次重构图卷积网络故障诊断方法.pdfVIP

第42卷第1期控制理论与应用Vol.42No.1

2025年1月ControlTheoryApplicationsJan.2025

时时时–空空空特特特征征征驱驱驱动动动的的的多多多轮轮轮次次次重重重构构构图图图卷卷卷积积积网网网络络络故故故障障障诊诊诊断断断方方方法法法

王庆昕,张先杰,张海峰,钟凯,陈宏田,韩敏

(1.安徽大学计算智能与信号处理教育部重点实验室,物质科学与信息技术研究院,安徽合肥230601;

2.安徽大学数学科学学院,安徽合肥230601;3.阿尔伯塔大学化学与材料工程系,加拿大埃德蒙顿ABT6G2V4;

4.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,辽宁大连116024)

摘要: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

引用格式:王庆昕,张先杰,张海峰,等.时–空特征驱动的多轮次重构图卷积网络故障诊断方法.控制理论与应

用,2025,42(1):149–157

DOI:10.7641/CTA.2023.21063

Faultdiagnosismethoddrivenbyspatial-temporalfeatures-based

multi-roundreconstructedGCN

WANGQing-xin,ZHANGXian-jie,ZHANGHai-feng,ZHONGKai,

CHENHong-tian,HANMin

(1.KeyLaboratoryofIntelligentComputingandSignalProcessingoftheMinistryofEducation,

InstitutesofPhysicalScienceandInformationTechnology,AnhuiUniversity,HefeiAnhui230601,China;