基于超图注意力池化网络的电静液作动器智能诊断方法

本发明公开了一种基于超图注意力池化网络的电静液作动器智能诊断方法，包括步骤如下：首先使用电静液作动器(EHA)故障模拟实验台采集若干EHA故障数据，对采集到的EHA故障数据进行滑动窗口切片处理；使用改进后的K‑近邻算法(KNNs)将切片处理后的EHA故障数据构建为多层超图结构，划分出训练数据集和测试数据集；将训练数据集作为超图注意力池化网络(AEHGCN)的输入进行网络训练，得到训练好的EHA故障智能诊断模型；最后，利用测试数据集测试EHA故障智能诊断模型的准确率；本发明提出的超图注意力池化网络有效结合了全局和局部信息，使模型能够全面理解和处理EHA故障信号，与传统的网络相比，显著提高了识别准确性和稳定性。