期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
极低标记比下基于NLP-RGCN的半监督故障诊断方法
1
作者
马奔驰
章翔峰
《机床与液压》
北大核心
2025年第10期1-6,共6页
针对齿轮箱状态监测数据中标记样本有限、标签信息挖掘不足以及节点信息缺乏等问题,提出一种基于节点级路径图和鲁棒图卷积网络(NLP-RGCN)的半监督故障诊断方法。通过构建无向节点级路径图,灵活表示节点间的连接关系,细化信号特征,从而...
针对齿轮箱状态监测数据中标记样本有限、标签信息挖掘不足以及节点信息缺乏等问题,提出一种基于节点级路径图和鲁棒图卷积网络(NLP-RGCN)的半监督故障诊断方法。通过构建无向节点级路径图,灵活表示节点间的连接关系,细化信号特征,从而充分利用有限的标记样本信息。引入鲁棒图卷积网络(RGCN),通过吸收高斯分布方差的图结构和节点属性的微小故意扰动变化,增强模型的鲁棒性和特征提取能力。此外,设计基于半监督学习的故障诊断框架,利用有限的标记样本挖掘未标记样本所包含的信息,增强模型的泛化能力。最后,在0.5%极低标记比的齿轮箱数据集诊断案例上验证了所提方法的有效性和优越性。实验结果表明:NLP-RGCN的平均诊断准确率达99.85%,显著优于其他对比方法(如MLP、GAT、GCN、SGCN、LPS-DGAT等);通过混淆矩阵和t-SNE可视化技术,进一步验证了NLP-RGCN在不同健康状态下的特征区分能力。该方法能够有效学习故障特征表示,并在极低标记样本下实现高精度的故障诊断。
展开更多
关键词
故障诊断
齿轮箱
极低标记比
半监督学习
节点级路径图
鲁棒图卷积网络
在线阅读
下载PDF
职称材料
题名
极低标记比下基于NLP-RGCN的半监督故障诊断方法
1
作者
马奔驰
章翔峰
机构
新疆大学智能制造现代产业学院
出处
《机床与液压》
北大核心
2025年第10期1-6,共6页
基金
国家自然科学基金项目(52265016)。
文摘
针对齿轮箱状态监测数据中标记样本有限、标签信息挖掘不足以及节点信息缺乏等问题,提出一种基于节点级路径图和鲁棒图卷积网络(NLP-RGCN)的半监督故障诊断方法。通过构建无向节点级路径图,灵活表示节点间的连接关系,细化信号特征,从而充分利用有限的标记样本信息。引入鲁棒图卷积网络(RGCN),通过吸收高斯分布方差的图结构和节点属性的微小故意扰动变化,增强模型的鲁棒性和特征提取能力。此外,设计基于半监督学习的故障诊断框架,利用有限的标记样本挖掘未标记样本所包含的信息,增强模型的泛化能力。最后,在0.5%极低标记比的齿轮箱数据集诊断案例上验证了所提方法的有效性和优越性。实验结果表明:NLP-RGCN的平均诊断准确率达99.85%,显著优于其他对比方法(如MLP、GAT、GCN、SGCN、LPS-DGAT等);通过混淆矩阵和t-SNE可视化技术,进一步验证了NLP-RGCN在不同健康状态下的特征区分能力。该方法能够有效学习故障特征表示,并在极低标记样本下实现高精度的故障诊断。
关键词
故障诊断
齿轮箱
极低标记比
半监督学习
节点级路径图
鲁棒图卷积网络
Keywords
fault diagnosis
gearbox
meager label ratio
semi-supervised learning
node-level path graph
robust graph convolutional network
分类号
TH165.3 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
极低标记比下基于NLP-RGCN的半监督故障诊断方法
马奔驰
章翔峰
《机床与液压》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
