控制理论与应用

作者：胡艳艳,衣骁捷,彭开香

单位：北京科技大学自动化学院,北京科技大学智能科学与技术学院,北京科技大学自动化学院

关键词：多传感器;故障诊断;希尔伯特–黄变换;图卷积网络

基金：国家自然科学基金项目(62273038,U21A20483),智控实验室开放基金项目(ZKSYS–KF03–05)资助.

多传感器数据能为故障诊断提供更为全面和精确的信息,但现有建模在欧氏空间里的深度学习算法难以有效处理传感器间复杂的相互影响和空间关系.同时,旋转机械振动信号的非平稳特性也极大影响了故障诊断的效果. 为解决上述问题,本文提出了一种新的基于加权图卷积网络的多传感器旋转机械故障诊断方法.利用希尔伯特–黄变换(HHT)自适应地提取故障特征,克服信号非平稳性的影响.考虑到图结构在空间关系上强大的表达能力以及图卷积网络强大的特征学习能力,依据传感器节点特征向量之间的距离度量构建加权HHT图,并搭建具有两层结构的图卷积网络进行故障诊断.同时,在网络损失函数中引入两个正则项以提高诊断的精度.公开数据集上的实验结果验证了所提出方法的有效性及相比其他方法的优越性.

来源：2026年第3期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2026年第3期