多源信号视觉特征与胶囊图网络电机故障诊断OA

针对传统电机故障诊断方法依赖专业知识和经验,且在处理复杂数据时精度不高的问题,提出结合彩色图像融合的对称点模式与多通道融合残差图胶囊网络(multichannel fusion residual graph capsule network,MCFRes-CapsGNN)的电机故障诊断方法。通过对称极坐标变换技术构建雪花图,并结合彩色多通道融合技术整合多传感器信号,生成彩色融合图像,以优化信号特征的视觉表征。利用超像素分割技术将图像划分为超像素块,并依据其纹理、颜色和距离特征构建图结构数据。使用MCFRes-CapsGNN模型对图结构数据进行处理,通过构建胶囊提取图数据特征,有效捕捉数据中的层次结构和复杂空间关系,增强特征学习能力。实验结果表明,所提方法在常规故障类型的诊断上准确率达到98.12%,优于其他智能故障诊断算法。