极少标注高精度
频率感知图对比学习与多尺度递归图网络的两阶段框架，在极低标注率下实现旋转机械故障诊断。
Wang, Cunsong · Mingyu, Xu · Ying, Li · 张泉灵 · 张登峰 · Bo, Liu
Advanced Engineering Informatics 2026
通过频率感知预训练图对比学习提取无标签数据的转速不变表示，再结合多尺度递归图卷积网络进行半监督分类，仅需极少量标注样本即可训练。
通过物理信息、频率选择性增强的图对比学习，从无标签数据中提取对转速变化不敏感的特征表示，缓解变速条件下的性能下降。
在行星齿轮箱、直齿轮和轴承三个数据集上均取得高准确率，表明方法可应用于不同旋转机械部件。