电机故障诊断正则增强图卷积方法研究

摘要

振动信号是评估电机运行状态的重要指标，常被用来分析和判断电机可能存在的潜在故障。当前，基于深度学习的模型易于预测稳定状态而难于准确预测故障状态。针对上述问题，对电机故障诊断任务进行了研究，创新性地提出了一种基于正则增强图卷积的电机故障诊断模型，在对电机状态进行关联编码的同时，引入正则增强结构以改善模型对多种故障类型的预测能力。实验结果表明，与传统深度学习方法相比，该方法在电机故障诊断数据集上诊断性能最优，验证了模型的有效性。图卷积神经网络可以在信号序列中挖掘长跨度信号间的内在关联，结合正则增强结构，在多种工业时序任务中具有广阔的应用前景。

关键词

电机信号 / 故障诊断 / 图卷积网络 / 正则增强 / 诊断模型

基金资助

陕西国防学院科研计划资助项目（Gfy25-02）; 陕西省教育厅科技处资助项目（21JK0508）