-
公开(公告)号：CN116011507A
公开(公告)日：2023-04-25
申请号：CN202211554474.1
申请日：2022-12-06
Applicant: 东北林业大学
IPC: G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0985 , G06F17/14
Abstract: 融合元学习与图神经网络的稀有故障诊断方法，本发明涉及航空发附机匣标记监测数据有限，并且在实际应用中训练数据域与目标数据域存在差异导致模型诊断性能下降的问题。在实际工业环境中，同一机台可能出现新的故障类别，机台的运行状态也会随着工作场景做出切换，导致源域和目标域之间存在分布差异，这时训练好的模型就会失效。为了改善这一问题，本发明提出了一种基于元学习的融合图神经网络稀有故障诊断方法。实验表明，本文方法在公共数据集及航空发附机匣数据集上均优于传统的稀有故障诊断方法。本发明应用于航空发附机匣的小样本故障诊断。
Search Results
1
records
(took 0.021 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
