基于长元路径异构图神经网络的故障诊断方法OA
图神经网络在故障诊断领域中具有广泛应用,近年来受到越来越多的关注.现有基于图的故障诊断方法大多凭借同构图神经网络模型进行决策生成,容易遗失数据样本的异构性,部分异构图神经网络模型又忽略了长距离元路径的中间节点和结构信息,这些信息对故障识别具有重要潜在价值.针对上述问题,本文提出了一种基于长距离元路径的异构图神经网络(LMP-HGNN)故障诊断框架.该框架将异构样本通过余弦相似度构建成异构数据图网络,针对长距离元路径中间节点和结构信息被忽略问题,通过投影内积相似度对长距离元路径中,潜在的传感器之间多重相互作用的特征进行学习,实现异构图节点聚合和语义聚合;自知识蒸馏的故障诊断损失函数计算损失,从而增强输出特征嵌入的表征能力,提高模型对标签噪声的鲁棒性.最后将所提框架应用于液压系统状态监测系统数据集上,仿真验证了所提框架的有效性.
程志鹏;张斌;陈郑淦哲;李军毅;孟伟
广东工业大学自动化学院,广东广州510006广东工业大学自动化学院,广东广州510006中南大学自动化学院,湖南长沙410083广东工业大学自动化学院,广东广州510006广东工业大学自动化学院,广东广州510006
信息技术与安全科学
故障诊断图神经网络元路径多传感器
《控制理论与应用》 2026 (6)
P.1269-1278,10
国家自然科学基金项目(62173099)广东省基础与应用基础研究基金(2023A1515240034)资助。
评论