【技術實現(xiàn)步驟摘要】
本專利技術屬于航空領域，涉及飛機系統(tǒng)故障診斷技術，具體涉及一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法。
技術介紹
1、飛機系統(tǒng)作為現(xiàn)代工業(yè)領域的核心組成部分，其早期故障診斷對于預防重大故障發(fā)生、保障系統(tǒng)穩(wěn)定運行至關重要。
2、深度學習因其強大的特征表示能力在飛機系統(tǒng)故障診斷中得到廣泛應用，但該類方法高度依賴于訓練數(shù)據(jù)的質(zhì)量。在實際應用中，數(shù)據(jù)受到噪聲污染，其潛在結(jié)構信息受到干擾，導致模型學習到非目標特征模式，增加模型過擬合風險，削弱其泛化能力。
3、圖神經(jīng)網(wǎng)絡(graph?neural?network，gnn)基于其節(jié)點間信息傳播機制，能有效捕捉各傳感器數(shù)據(jù)間復雜的時空關系，進而提高故障診斷精度和可靠性。然而，現(xiàn)有gnn方法未充分考慮各傳感器之間敏感性和重要性，也缺乏對高噪聲環(huán)境下模型性能的量化評估，同時模型可解釋性不足。
技術實現(xiàn)思路
1、專利技術目的：為了克服現(xiàn)有技術中存在的不足，提供一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法，從圖網(wǎng)絡結(jié)構為切入點，解決現(xiàn)有飛機系統(tǒng)故障診斷技術無法提高不同噪聲水平下模型泛化能力、可解釋性透明化等問題，能夠有效處理高噪聲環(huán)境下的飛機系統(tǒng)早期故障信號，實現(xiàn)魯棒性和高準確率的故障診斷，進而為飛機系統(tǒng)安全穩(wěn)定運行提供保障。
2、技術方案：為實現(xiàn)上述目的，本專利技術提供一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法，包括如下步驟：
3、步驟a：將采集的飛機系統(tǒng)故障
4、步驟b：在步驟a劃分的訓練集數(shù)據(jù)下，基于各節(jié)點間敏感性自適應地構建初始化鄰接矩陣；
5、步驟c：基于步驟b建立的鄰接矩陣和原始數(shù)據(jù)，通過可學習的多項式進行節(jié)點信息更新，形成一個完整的圖卷積層；
6、步驟d：將步驟c所得的節(jié)點信息作為輸入再次通過圖卷積層，通過編碼層和解碼層的循環(huán)，得到數(shù)據(jù)特征；
7、步驟e：基于步驟d得到的數(shù)據(jù)特征，通過余弦相似度損失函數(shù)進行迭代訓練，并基于其收斂速度動態(tài)調(diào)整損失權重；
8、步驟f：基于步驟e得到訓練好的圖網(wǎng)絡參數(shù)，通過對各參數(shù)權重可視化對所提方法可解釋性進行說明；
9、步驟g：在步驟f的可解釋性說明下，將添加不同噪聲水平的測試集數(shù)據(jù)輸入訓練好的圖網(wǎng)絡中，輸出故障診斷結(jié)果。
10、進一步地，所述步驟a包括：
11、步驟a1：遍歷各故障對應n個傳感器通道數(shù)據(jù)，每個通道數(shù)據(jù)進行快速傅里葉變換；
12、步驟a2：根據(jù)快速傅里葉變化對稱性，各通道均取前一半數(shù)據(jù)；
13、步驟a3：對數(shù)據(jù)進行劃分，基于實際工況下數(shù)據(jù)不平衡這一問題，訓練集只包含正常樣本，測試集中包含正常和故障樣本。
14、進一步地，所述步驟b中初始化鄰接矩陣的構建方法包括：
15、步驟b1：遍歷各節(jié)點，對各節(jié)點進行兩兩組合，形成n×n對組合；
16、步驟b2：若組合中兩節(jié)點相同，鄰接矩陣中對應位置為0，兩節(jié)點無連接；
17、步驟b3：若組合中兩節(jié)點不同，計算兩節(jié)點i和j之間歐氏距離和余弦距離xi和xj分別為節(jié)點i和j對應的特征向量，f為向量的維度，xi,f和xj,f分別是向量xi和xj在第f維的分量；
18、步驟b4：加權歐氏距離和余弦距離作為節(jié)點間距離的度量：
19、步驟b5：為便于統(tǒng)一度量，對所有節(jié)點間距離進行離差標準化：使其全落入[0,1]區(qū)間，其中dmin和dmax分別為各節(jié)點間距離的最小值和最大值；
20、步驟b6：設定一個距離閾值e，0＜e＜1，根據(jù)該閾值判定兩節(jié)點間敏感性；
21、步驟b7：若兩節(jié)點間距離大于閾值e，視兩節(jié)點間敏感性較低，鄰接矩陣中對應位置為0，兩節(jié)點無連接；
22、步驟b8：若兩節(jié)點距離小于等于閾值e，視兩節(jié)點間敏感性較高，鄰接矩陣中對應位置為1，兩節(jié)點有連接；
23、步驟b9：得到初始化鄰接矩陣a。
24、進一步地，所述步驟c具體包括：
25、步驟c1：通過鄰接矩陣a和度矩陣d得到圖的歸一化拉普拉斯陣l＝＝d-1/2ad-1/2；
26、步驟c2：輸入原始數(shù)據(jù)，結(jié)合l實現(xiàn)k階arma濾波：其中i為單位矩陣，k＝1,2...，k，pk，qk為可學習參數(shù)；
27、步驟c3：通過arma迭代加權t次替換求逆運算，每一層輸出為：其中r和s為可學習矩陣參數(shù)，t＝0,1,...，即初始節(jié)點特征；
28、步驟c4：每一層輸出通過非線性激活：其中σ(·)為非線性激活函數(shù)；
29、步驟c5：此時arma的輸出特征為：
30、步驟c6：為防止消息傳遞的過平滑，在第k階第t層調(diào)用消息傳遞與聚合；在消息傳遞過程中，對于節(jié)點v，其鄰居節(jié)點u∈e(v)，則消息傳遞過程表示為：其中m為各節(jié)點消息，m為消息傳遞函數(shù)，通常為仿射變換，auv為節(jié)點v和其鄰居節(jié)點u之間的連接關系；通過平均聚合各節(jié)點消息可得：其中w為各節(jié)點消息對應權重；
31、步驟c7：通過動態(tài)加權，此時第k階第t層輸出為：其中α為可學習參數(shù)；
32、步驟c8：因此完整圖卷積輸出即為：
33、
34、進一步地，所述步驟d具體包括：
35、步驟d1：將前一層圖卷積輸出通過batchnorm和relu激活函數(shù)，得到第一層圖卷積編碼器輸出，并將其作為第二層圖卷積輸入；
36、步驟d2：通過調(diào)整輸入輸出維度，得到第二層圖卷積編碼器輸出，包括第二層圖卷積輸出以及第一層圖卷積編碼器輸出的線性映射，并將其作為第三層圖卷積輸入；
37、步驟d3：重復步驟d2，依次得到第三層圖卷積編碼器輸出、第一層圖卷積解碼器輸出，第二層圖卷積解碼器輸出；
38、步驟d4：第二層圖卷積解碼器輸出通過batchnorm和relu激活函數(shù)，作為第三層圖卷積輸入；
39、步驟d5：得到第三層圖卷積解碼器輸出，也即圖網(wǎng)絡輸出。
40、進一步地，所述步驟e具體包括：
41、步驟e1：通過余弦相似度損失函數(shù)計算圖網(wǎng)絡重構損失：(c＝1,2,…,c)，其中l(wèi)c為第c個工況數(shù)據(jù)對應的重構損失，xc為第c個工況對應輸入數(shù)據(jù)，x′c為第c個工況對應輸出結(jié)果；
42、步驟e2：基于模型收斂速度動態(tài)調(diào)整損失權重，首先計算第c個工況下第it次迭代的訓練速度值越小，速度越快，it為0時，為1；
43、步驟e3：根據(jù)訓練速度計算第c個工況下第it次迭代對應重構損失的權重，其根據(jù)動態(tài)優(yōu)化；
44、步驟e4：計算第it次迭代的總重構損失
45、步驟e5：迭代結(jié)束，網(wǎng)絡訓練完成。
46、進一步地，所述步驟f包括：
47、步驟f1：調(diào)用圖網(wǎng)絡相關參數(shù)權重；
48、步驟f本文檔來自技高網(wǎng)...
【技術保護點】
1.一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法，其特征在于，包括如下步驟：
2.根據(jù)權利要求1所述的一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法，其特征在于，所述步驟A包括：
3.根據(jù)權利要求1所述的一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法，其特征在于，所述步驟B中初始化鄰接矩陣的構建方法包括：
4.根據(jù)權利要求3所述的一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法，其特征在于，所述步驟C具體包括：
5.根據(jù)權利要求1所述的一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法，其特征在于，所述步驟D中循環(huán)六次，前三次對應編碼層，后三次對應解碼層，具體包括：
6.根據(jù)權利要求1所述的一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法，其特征在于，所述步驟E具體包括：
7.根據(jù)權利要求1所述的一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法，其特征在于，所述步驟F包括：
8.根據(jù)權利要求1所述的一種基于節(jié)點敏感性圖網(wǎng)絡
...【技術特征摘要】
1.一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法，其特征在于，包括如下步驟：
2.根據(jù)權利要求1所述的一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法，其特征在于，所述步驟a包括：
3.根據(jù)權利要求1所述的一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法，其特征在于，所述步驟b中初始化鄰接矩陣的構建方法包括：
4.根據(jù)權利要求3所述的一種基于節(jié)點敏感性圖網(wǎng)絡的高噪聲環(huán)境下飛機系統(tǒng)故障診斷方法，其特征在于，所述步驟c具體包括：
5.根據(jù)權利要求1所...
【專利技術屬性】
技術研發(fā)人員：吳紅蘭，張海燕，劉豪，石留賓，
申請(專利權)人：南京航空航天大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。