仪器仪表学报

作者：余晓霞，汤宝平，魏 静，邓 蕾

单位：余晓霞,1.重庆大学机械传动国家重点实验室,,汤宝平,1.重庆大学机械传动国家重点实验室,,魏 静,1.重庆大学机械传动国家重点实验室,,邓 蕾,1.重庆大学机械传动国家重点实验室,

关键词：航空发动机附件机匣;自适应图卷积神经网络;强背景噪声;故障诊断

基金：重庆市自然科学基金(cstc2019jcyj-zdxmX0026)、国家重点研发计划(2020YFB1709800)、国家自然科学基金(51775065)项目资助

针对强背景噪声条件下航空发动机附件机匣故障难以诊断的问题,提出了自适应图卷神经网络(AGCNet)航空发动机附件机匣故障诊断方法。将航空发动机附件机匣振动信号通过小波包进行分解,并将小波包系数矩阵定义为包含节点与边的图。在图卷积神经网络中构建自适应图卷积核,基于切比雪夫多项式设计了一种自适应图卷积操作,通过自适应图卷积核对图中节点与边进行特征提取,增强模型在强噪声条件下的泛化性。最后利用全连接层进行特征抽取,进而实现航空发动机附件机匣故障。应用案例表明所提自适应图卷积神经网络模型(AGCNet);在强背景噪声条件下对航空发动机附件机匣故障平均诊断精度为86.42%,均高于LeNet、ResNet以及GCNet模型。能够有效识别故障,可应用于航空发动机附件机匣故障诊断。

来源：2021年第8期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第8期