机械工程学报

作者：温楷儒, 陈祝云, 黄如意, 李东鹏, 李巍华

单位：1. 华南理工大学吴贤铭智能工程学院 广州 511442;2. 人工智能与数字经济广东省试验室 广州 510335;3. 华南理工大学机械与汽车工程学院 广州 510641

关键词：智能故障诊断,图卷积网络,可解释性人工智能,行星齿轮箱；

基金：国家自然科学基金(52205100,52275111,52205101,U23A20620)、广东省基础与应用基础研究基金自然科学基金面上(2023A1515012856)和中国博士后科学基金(2022M711197)资助项目。

随着大数据和人工智能技术的发展，深度学习及其衍化算法在故障诊断领域取得了丰硕成果并得到了广泛应用。然而，智能故障诊断方法也存在着诸多挑战：① 现有的多传感数据融合方法难以充分挖掘多传感器间的时空信息来优化诊断性能；② 智能诊断模型的决策过程可解释性弱，无法满足实际工业场景下的可靠性要求。因此，提出一种基于可解释时空图卷积网络的多传感数据融合诊断方法。首先，通过构建门控卷积层以学习并增强时间特征；其次，结合传感器空间布局关系和图卷积网络多传感信息融合能力，学习并提取多传感器数据的空间特征，并通过行星齿轮箱故障诊断任务验证了模型有效性；最后，利用改进梯度类激活映射算法分析各传感器数据对模型诊断决策过程的重要度，从而提升模型更新过程的可解释性。试验结果表明，所提方法不仅具有较好的诊断性能，而且为多源传感融合诊断提供了一种有效的事后解释方法。

来源：2024年第12期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第12期