控制与决策

作者：石佳,郭鹏,张志瑶,王义涛,梁峻欣,蔡茗茜

单位：西南交通大学 机械工程学院，成都 610031,,西南交通大学 机械工程学院，成都 610031,,西南交通大学 机械工程学院，成都 610031,,西南交通大学 机械工程学院，成都 610031,,湖南省特种设备检验检测研究院 机电设备检验一部，长沙 410117,,工业和信息化部电子第五研究所，广州 511300,

关键词：电机;长尾故障诊断;多变量时间序列;多节点拓扑结构;时空特征演化;梯度竞争均衡

基金：国家自然科学基金项目(52405220)；中央高校基本科研业务费-科技创新项目(2682024CX066)；广东省电子信息产品可靠性技术重点实验室开放基金项目(GDDZXX202403)；广东省促进经济高质量发展专项资金支持项目(JQR246205070).

针对电机长尾数据故障诊断中尾部类别特征学习不足和头尾部梯度竞争失衡的问题, 提出一种融合余弦退火热重启衰减学习率策略(CDLR)的时空消息传递神经网络(STMPNN)电机长尾故障诊断模型(STMPNN-CDLR). 首先, 通过多节点拓扑结构建模多变量时间序列数据样本同一时间窗中不同时间阶段(子时间窗)传感器间的时空依赖关系, 并设计动态时空关系加权矩阵刻画传感器特征在时间维度上的演化模式, 强化头尾部类别潜在时空交互的特征表示; 其次, 利用STMPNN的消息传递机制实现跨子时间窗的特征更新, 提升模型对局部和全局信息的感知能力; 最后, 通过CDLR策略周期性地重启和衰减学习率, 缓解长尾分布导致的梯度竞争失衡问题, 增强模型稳定性和对尾部类别的敏感性. 在4组不同长尾比率的电机故障诊断实验中, 所提出的方法在不牺牲头部正常类别诊断性能的前提下, 对尾部故障类别展现出优异的诊断性能和稳定性, Accuracy高于94.57%, 验证了该方法在解决电机长尾故障诊断问题中的有效性和优越性.

来源：2026年第2期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第2期