摘要
本发明公开了一种基于图卷积网络的轴承故障诊断方法、装置及设备,涉及旋转机械故障检测技术领域,本发明利用基于邻近算法KNN的关联图构造法和节点嵌入法将目标域数据和源域数据构造为特征节点分类连接的关联图,使其建立起目标域数据和源域数据之间的内在关联关系,从而缩小目标域数据和源域数据的特征分布偏差,而后引入伪标签一致性学习策略调整分类器决策边界使其更准确地对目标域数据进行分类,并同时使用自适应全局阈值和自适应局部阈值获取准确分类后的目标域数据的平均置信度来计算全局阈值,以全局阈值判断滚动轴承的诊断结果;可捕捉到目标域数据内更深层次、更复杂的故障特征信息,因而对滚动轴承的故障识别的准确度大幅提升。
技术关键词
轴承故障诊断方法
特征提取模块
邻近算法
网络
滚动轴承
标签
样本
空间结构特征
顶点
旋转机械故障检测
轴承故障诊断装置
节点
方程
故障特征信息
分类器决策
数据分类
层级
无故障
超参数
系统为您推荐了相关专利信息
飞机航电系统
离线故障诊断
神经网络参数
机器学习模型
生成对抗网络
深度迁移学习
特征融合方法
可见光图像
分类网络
注意力
注意力机制
冲击地压分类
特征提取算法
煤层顶板
回采工作面
路径生成系统
个性化学习路径
特征提取模块
多模态交互
强化学习算法