基于图卷积网络的电机故障诊断研究

摘要

振动信号常被用来分析和判断电机在运行中出现的故障类型。当前故障数据的处理方法主要是通过专家判断分析，处理成本较高。近年来，基于深度学习的电机故障数据处理方法已开始用于电机的故障诊断任务。本文提出了一种多头注意力增强的图卷积神经网络深度学习模型，对输入的故障节点数据进行编码，通过递归神经网络和非线性层实现电机的故障类型分类，利用时序故障数据判断电机的故障类型。实验结果表明，提出的模型在电故障诊断任务中取得了良好效果。

关键词

振动信号 / 电机 / 故障诊断 / 图卷积神经网络