科研之友
微信
新浪微博
Facebook
分享链接
摘要
图神经网络模型由于其丰富的故障表征能力，已在故障诊断领域得到广泛应用。然而现有模型在处理故障数据时仅利用相邻节点间的局部信息，未能充分提取全局特征信息，同时为了克服单一模型故障诊断精度不高和泛化能力不足的问题，提出一种基于多尺度图池化特征融合与图卷积网络的集成故障诊断方法（MSGP-GCN）。通过原始信号构建图模型，使用图池化粗化得到全局信息。根据节点的度在不同尺度下分配权重，进而利用全局信息结合权重更新节点特征。将更新后的节点特征分别输入到不同的分类器中，对分类结果使用多数投票策略实现智能故障诊断。通过在SEU仿真数据集和真实的磨煤机数据集上对所提出的方法进行验证，结果表明所提模型能够明显提高故障诊断的精度和泛化能力，平均诊断精度分别达到98.31%和97.21%。
-
单位自动化学院; 安徽大学
