基于图卷积网络的非均衡数据船舶柴油机故障诊断北大核心CSCD |
| |
引用本文: | 王瑞涵,陈辉,管聪,黄梦卓.基于图卷积网络的非均衡数据船舶柴油机故障诊断北大核心CSCD[J].中国舰船研究,2022(5):289-300. |
| |
作者姓名: | 王瑞涵 陈辉 管聪 黄梦卓 |
| |
作者单位: | 1.武汉理工大学高性能船舶技术教育部重点实验室430063;2.武汉理工大学船海与能源动力工程学院430063; |
| |
基金项目: | 国家重点研发计划资助项目(2019YFE0104600);工信部“绿色智能内河船舶创新专项”资助项目。 |
| |
摘 要: | 目的]船舶柴油机状态信息数据普遍存在类别不均衡的问题,非均衡数据集降低了基于数据驱动的故障诊断模型对柴油机健康状况自动识别的准确性。因此,提出基于样本间概率相似性的图卷积网络(GCN)模型,以解决非均衡数据集分类问题。方法]首先,引入Kullback-Leibler散度来计算样本间的概率相似性,以挖掘样本间的非线性关系,将各个样本间的相似性用构造概率图的拓扑结构体现。然后,利用图学习对样本特征及邻近样本特征进行聚合和提取,为非均衡数据集的分类提供更多的信息。最后,通过构造多层图卷积层,对样本特征信息进行更深层次的挖掘。结果]仿真及台架实验表明,所提出的图卷积网络能够有效地学习更多样本信息,通过聚合邻近样本信息来提高非均衡数据集分类的准确率。结论]该模型的召回率和精确率均高于其他分类模型,具有一定的工程应用价值。
|
关 键 词: | 图卷积网络 故障诊断 船舶柴油机 非均衡数据集分类 |
本文献已被 维普 等数据库收录! |
|