图同构小波卷积网络

小样本故障诊断

提出一种用于旋转机械小样本故障诊断的图同构小波卷积网络，通过融合多传感器信息提升诊断精度。

Gao, Lei · Liu, Zhihao · Gao, Qinhe · Cheng, Hongjie · 姚建勇 · Zhao, Xiaoli · Jia, Sixiang

Expert Systems with Applications 2025

参数信息

小样本比例

3-20 %

技术优势

解决小样本难题

利用图同构性质在多传感器数据间建立一致的故障特征映射，减少对大量标注样本的依赖。

融合多传感器信息

通过图小波变换关联多传感器信息和判别性结构特征，实现单射同构特征映射。

稳定性更好

集成自适应阈值去噪模块，进一步增强小样本下特征映射的稳定性。

准确率更高

在两个具有挑战性的旋转机械故障数据集上，诊断准确率优于五种最先进的模型。

应用场景

• 旋转机械故障诊断：用少量样本训练模型，快速识别旋转机械故障类型。
• 多传感器融合：融合多种传感器信号，提升故障诊断的准确性和稳定性。
• 小样本学习：降低对大量标注数据的依赖，适用于样本稀缺的工业场景。