自适应图框架卷积网络

强噪变载下诊断准

通过可学习图结构与框架变换图卷积，在强噪声和变负载工况下有效提取轴承振动信号特征，提升高速列车转向架轴承故障诊断精度。

贺德强 · Wu, Jinxin · Jin, Zhenzhen · Huang, Chenggeng · Wei, Zexian · 易彩

Reliability Engineering and System Safety 2025

技术优势

抗强噪声

采用框架变换图卷积，利用框架变换技术降低信号干扰，增强模型特征学习能力。

适应变工况

通过可学习权重向量动态学习图结构，适应复杂多变的工况。

诊断更准

在实际高速列车转向架轴承台架数据上与六种先进模型相比具有显著优势。

应用场景

• 高速列车转向架状态监测：在强噪声变载工况下准确识别轴承故障，避免漏报误报。
• 工业设备预测性维护：提前发现早期故障，实现按需维护，降低非计划停机。
• 机器人关节故障诊断：利用图建模适应非平稳振动，提升关节故障诊断精度。