类感知图网络

小样本也认得准

把一维传感器信号建成图结构，用类感知对比学习强化少数类别的特征表达，在类别严重不平衡的真实工况下仍能可靠识别加工异常。

Sun, Yuxin · Huilin, Zhu · Yadong, Xu · Feng, Ke · 熊振华 · Ji, Jinchen · Beer, Michael

Mechanical Systems and Signal Processing 2026

技术优势

少数类不再漏检

通过类感知对比学习强化少数类别的判别性表示，模型在类别不平衡下仍能准确识别罕见故障模式。

不惧标注稀缺

动态图机制显式建模一维传感器信号的内在结构关系，即使标注样本有限也能有效学习。

多种工况都稳

联合多视角信号表示、物理信息拓扑建模和不平衡感知优化，在噪声工业环境中有效捕捉结构依赖与少数类特征，整体鲁棒性高。

应用场景

• 数控加工过程监控：实时识别颤振与刀具磨损，保障加工质量与产线稳定。
• 工业机器人维护：从振动信号中学习少数类故障模式，提前预警机器人关节磨损。
• 振动信号分析：用图结构建模振动信号的内在关联，在类别不平衡下捕捉细微异常。
• 工业物联网感知：嵌入边缘节点，对海量传感数据流做少数类故障的在线辨识。
• 制造装备智能维护：提升设备状态监测的鲁棒性，支撑预测性维护与智能运维决策。