Institutional Repository of Coll Elect & Informat Engn
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![]() ![]() | |
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. |
条目包含的文件 | 条目无相关文件。 |
个性服务 |
查看访问统计 |
谷歌学术 |
谷歌学术中相似的文章 |
[曹洁]的文章 |
[王庭义]的文章 |
[王进花]的文章 |
百度学术 |
百度学术中相似的文章 |
[曹洁]的文章 |
[王庭义]的文章 |
[王进花]的文章 |
必应学术 |
必应学术中相似的文章 |
[曹洁]的文章 |
[王庭义]的文章 |
[王进花]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论