DL00343-包含加权水平可见图(WHVG)的图卷积网络滚动轴承故障诊断

提出了一种结合加权水平可见性图（WHVG）的图卷积网络（GCN）用于轴承故障诊断。

WHVG 用于从几何角度将时间序列转换为图形数据。

通过采样索引之间的差异对边进行加权，以减弱被视为噪声的远程节点的影响。

此外，图同构网络 (GIN) 被改进为 GIN+ 以学习图表示并执行故障分类。

最后，WHVG 和 GIN+ 的有效性得到了三个真实世界轴承数据集的验证。

同时，将 GIN+ 模型与其他机器学习模型、多层感知器 (MLP)、长短期记忆 (LSTM) 和两个 GCN 模型进行了比较。

实验结果表明，GIN+提高了性能，数据的内部结构关系有助于轴承故障诊断。

ID:17998

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/737014309925.html