基于改进多图卷积网络的液压泵小样本故障诊断

来源：振动与冲击杂志2024年第24期北京时间：

作者：郑直，赵文博，李克，朱占辉，刘彤谣，孙杨，林帅恒

单位：华北理工大学机械工程学院，河北唐山063210

摘要：多图卷积网络模型(Multi-Graph Convolutional Network, M-GCN)可将图像转为特征向量，并可利用图卷积操作增强同类节点聚集。由于受到现场空间和经济条件限制，无法有效地采集液压泵充足故障样本，导致小样本问题；当引入M-GCN模型对液压泵的故障进行诊断时，该模型特征表达存在区分度不足和信息单一等问题。因此，本文提出了一种改进多图卷积网络模型，即MMH-GCN模型。首先，为解决模型特征提取区分度不足问题，引入掩码自编码器(Masked Autoencoder, MAE)降低编码维度并提取关键图像特征，提升模型的小样本诊断精度；然后，为解决模型特征信息单一问题，引入异构图注意力网络(Heterogeneous Graph Attention Network, HAN)提取更丰富和全面的图结构数据特征，以提升模型的小样本诊断精度和效率。通过液压泵实测故障实验验证分析可知，本文所提MMH-GCN模型较原模型具有明显的高效性和优越性，在诊断精度和效率方面分别提升了12.14%和14.63%。<br>

关键词：多图卷积网络；掩码自编码器；异构图注意力网络；小样本