基于多尺度特征融合的图卷积神经网络迁移学习故障诊断方法

摘要

工业传感器信号本质上具有非欧几里得特性，现有深度学习方法难以充分挖掘信号数据的真实性，尤其在可变工况下。对此，本研究设计了一种基于多尺度特征融合的图卷积神经网络迁移学习(TL-MSGCNs)故障诊断方法。首先，从几何角度将原始数据转换为加权图，以挖掘节点间隐藏的拓扑关联性。然后，设计具有深层和浅层结构的图卷积神经网络提取多尺度特征并进行融合增强。最后，通过迁移学习策略缓解因操作环境变化、设备老化等导致的源域和目标域间的分布差异。实验结果表明，TL-MSGCNs方法在故障诊断中具有显著优势。

关键词

图卷积神经网络 / 加权图 / 迁移学习 / 多尺度特征融合 / 故障诊断