控制理论与应用

作者：曹洁,陈泽阳,王进花

单位：兰州理工大学,兰州理工大学,兰州理工大学

关键词：图卷积神经网络; 故障诊断; 图注意力机制; 深度学习

基金：国家重点研发计划项目(2020YFB1713600), 国家自然科学基金项目(61763028, 62063020), 甘肃省优秀研究生“创新之星”项目(2022CXZX?47 8)

基于图神经网络的故障诊断方法, 通常需要根据度量衡确定样本之间的相似性, 进而构建图的拓扑结构.然而, 根据单一度量衡可能无法准确衡量数据样本之间的相似性, 进而导致无法准确表征样本之间的关系. 因此, 选用不同的度量衡会极大地影响图神经网络的诊断性能. 为了解决通过单一度量衡无法准确表征数据样本之间相关性的问题, 本文提出了一种基于多度量衡构造图的故障诊断模型???Multi-GAT. 通过结合3种度量衡的计算结果,从而判断数据样本之间相关性的强弱. 本文改进了图注意力网络的评分函数, 使其能够依据样本之间相关性的强弱更准确地确定数据样本之间的相似性. 在本文基准数据集上的实验表明, Multi-GAT能够提升模型的诊断精度,且拥有较好的稳定性.

来源：2024年第5期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2024年第5期