本文主要是介绍故障诊断模型 | 基于图卷积网络的轴承故障诊断,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
文章目录
- 文章概述
- 模型描述
- 模型描述
- 参考资料
文章概述
故障诊断模型 | 基于图卷积网络的轴承故障诊断
模型描述
针对基于图卷积网络(GCN)的故障诊断方法大多默认节点间的权重相同、导致诊断精度较低与鲁棒性较差的问题,提出了一种基于欧式距离和余弦距离的 GCN 故障诊断方法(EC-GCN)。
充分考虑节点间的数值特征和方向特征,利用欧式距离和余弦距离构建加权样本关联图。
利用 GCN 对样本关联图的故障特征进行提取。
将故障特征输入分类器进行分类识别
模型描述
传统GCN故障分类准确率不高
现有基于 GCN 的故障诊断方法使用的关联图,卷积时节点间边的权值是固定的,当 GCN 层 数加深时,每个节点的特征会十分相似,导致诊断精度较低。
提出一种基于欧式距离(ED)和余弦距离(CD)的 GCN 故障诊断方法(
这篇关于故障诊断模型 | 基于图卷积网络的轴承故障诊断的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!