基于小波去噪超图深度聚类网络的多传感器故障识别方法

来源：计算机集成制造系统杂志2026年第2期北京时间：

作者：王刚, 俞云龙, 卢明凤

单位：1.合肥工业大学管理学院2.合肥工业大学过程优化与智能决策教育部重点实验室

摘要：针对实际工业场景中标签数据不足,以及多传感器数据间的复杂高阶异质关系所带来的挑战,提出一种基于小波去噪超图深度聚类网络的多传感器故障识别方法。首先,该方法利用K近邻算法为每个由多传感器数据构成的样本构建超图,以建模传感器间的高阶异质关系;然后,设计基于离散超图小波框架的小波去噪超图卷积编码器,以提取并融合多尺度下的高频细节分量和低频近似分量;最后,通过联合优化聚类损失与重构损失,迭代更新深度故障特征与故障簇的中心表示,实现深度故障模式聚类。为验证该方法的有效性,在两个公开数据集上进行了充分的实验。实验结果表明,相较于基准方法,所提方法在无监督故障识别任务上表现出显著优越性,且具有良好的抗噪性能。

关键词：深度聚类,小波去噪超图卷积编码器,多传感器故障识别,无监督学习

基金资助：国家自然科学基金资助项目(72431005,72371096,72071062);安徽省青年资助项目(A类延续资助)(2508085JX009)。