| 强背景噪声条件下自适应图卷积神经网络的航空发动机附件机匣故障诊断方法 |
| |
| 引用本文： | 余晓霞,汤宝平,魏 静,邓 蕾. 强背景噪声条件下自适应图卷积神经网络的航空发动机附件机匣故障诊断方法[J]. 仪器仪表学报, 2021, 0(8): 78-86 |
| |
| 作者姓名： | 余晓霞 汤宝平 魏 静 邓 蕾 |
| |
| 作者单位： | 1.重庆大学机械传动国家重点实验室 |
| |
| 基金项目： | 重庆市自然科学基金(cstc2019jcyj-zdxmX0026)、国家重点研发计划(2020YFB1709800)、国家自然科学基金(51775065)项目资助 |
| |
| 摘 要： | 针对强背景噪声条件下航空发动机附件机匣故障难以诊断的问题,提出了自适应图卷神经网络(AGCNet)航空发动机附件机匣故障诊断方法。将航空发动机附件机匣振动信号通过小波包进行分解,并将小波包系数矩阵定义为包含节点与边的图。在图卷积神经网络中构建自适应图卷积核,基于切比雪夫多项式设计了一种自适应图卷积操作,通过自适应图卷积核对图中节点与边进行特征提取,增强模型在强噪声条件下的泛化性。最后利用全连接层进行特征抽取,进而实现航空发动机附件机匣故障。应用案例表明所提自适应图卷积神经网络模型(AGCNet);在强背景噪声条件下对航空发动机附件机匣故障平均诊断精度为86.42%,均高于LeNet、ResNet以及GCNet模型。能够有效识别故障,可应用于航空发动机附件机匣故障诊断。
|
| 关 键 词： | 航空发动机附件机匣 自适应图卷积神经网络 强背景噪声 故障诊断 |
Fault diagnosis for aero-engine accessory gearbox by adaptive graphconvolutional networks under intense background noise conditions |
| |
| Yu Xiaoxi,Tang Baoping,Wei Jing,Deng Lei. Fault diagnosis for aero-engine accessory gearbox by adaptive graphconvolutional networks under intense background noise conditions[J]. Chinese Journal of Scientific Instrument, 2021, 0(8): 78-86 |
| |
| Authors: | Yu Xiaoxi Tang Baoping Wei Jing Deng Lei |
| |
| Affiliation: | 1.State Key Laboratory of Mechanical Transmission, Chongqing University |
| |
| Abstract: | |
| |
| Keywords: | aero-engine accessory gearbox adaptive graph convolution networks strong background noise fault diagnosis |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《仪器仪表学报》浏览原始摘要信息 |
|
点击此处可从《仪器仪表学报》下载免费的PDF全文 |
