图对比学习诊断框架

少拍故障精准诊断

针对工业场景中历史故障数据稀缺的问题，通过无监督图对比学习预训练与半监督微调，充分挖掘少量样本的图结构信息，在不同图神经网络上均表现出高诊断精度。

Yang, Chaoying · 刘杰 · Qi, Xu · 周凯波

IEEE Transactions on Industrial Informatics 2023

参数信息

在轴承数据集上诊断准确率

99.83 %

技术优势

少样本也能训

通过无监督图对比学习子任务对图深度学习模型进行预训练，充分利用少量样本中的图结构信息，减少对标注故障数据的依赖。

不挑网络

该图对比学习框架可适配不同的图神经网络，在不同的图深度模型上均能取得良好诊断性能，便于与企业现有模型集成。

应用场景

• 旋转机械故障诊断：利用少量历史故障样本训练诊断模型，自动识别轴承、齿轮箱等旋转部件的故障模式，替代依赖专家经验的手工分析。
• 工业机器人健康管理：在机器人关节、减速器故障数据稀缺的情况下，通过少样本学习实现健康状态评估与故障预警，减少停机损失。
• 智能维护与状态监测：将框架集成到企业监测系统中，在标注数据不足时仍能进行准确的设备状态监测，辅助制定预测性维护策略。