有限标记样本下基于GSSL-GraphSage的半监督故障诊断方法

	有限标记样本下基于GSSL-GraphSage的半监督故障诊断方法
	曹洁1,2 ; 王庭义 1; 王进花1
	2024-04-18
发表期刊	控制理论与应用
ISSN	1000-8152
页码	1-9
摘要	鉴于在实际工程中采集的齿轮箱标注监测数据是有限的,且基于图神经网络的齿轮箱故障诊断方法研究仍存在标签信息挖掘不充分的问题,提出一种有限标记样本下基于图的半监督学习(Graph-based semi-supervised learning, GSSL)与图采样聚合算法(Graph sample and aggregate, GraphSage)的齿轮箱半监督故障诊断方法.基于K最近邻算法和基于图的标签传播策略,将标签信息沿边传播给分布相似的邻域样本,从而充分利用有限样本的标签信息,提高模型性能.将每个振动频谱样本视为一个节点构建基于图的半监督学习框架,最后将半监督学习框架输入到节点级GraphSage网络中进行故障分类,避免新加入节点重新训练的情况,可有效防止训练过拟合,增强泛化能力.将所提方法用于分析齿轮箱故障实验数据,结果表明所提方法能够在6%的低标签情况下准确诊断齿轮箱的不同故障模式,验证了对齿轮箱故障诊断的可行性和有效性.
关键词	故障诊断 GraphSage网络有限标记样本半监督学习标签传播策略
URL	查看原文
收录类别	北大核心 ; CSCD
语种	中文
资助项目	国家自然科学基金项目(62063020);甘肃省自然科学基金项目(20JR5RA463)资助
中图分类号	TH132.41;TP18
原始文献类型	学术期刊
引用统计
文献类型	期刊论文
条目标识符	https://ir.lut.edu.cn/handle/2XXMBERH/170644
专题	电气工程与信息工程学院
通讯作者	王进花
作者单位	1.兰州理工大学电气工程与信息工程学院; 2.兰州城市学院信息工程学院
第一作者单位	电气工程与信息工程学院
通讯作者单位	电气工程与信息工程学院
第一作者的第一单位	电气工程与信息工程学院
推荐引用方式 GB/T 7714	曹洁,王庭义,王进花. 有限标记样本下基于GSSL-GraphSage的半监督故障诊断方法[J]. 控制理论与应用,2024:1-9.
APA	曹洁,王庭义,&王进花.(2024).有限标记样本下基于GSSL-GraphSage的半监督故障诊断方法.控制理论与应用,1-9.
MLA	曹洁,et al."有限标记样本下基于GSSL-GraphSage的半监督故障诊断方法".控制理论与应用 (2024):1-9.