控制与决策

作者：曹洁,陈泽阳,王进花,蒋栋年,李亚洁

单位：兰州理工大学 计算机与通信学院,兰州 730050,,兰州理工大学 计算机与通信学院,兰州 730050,,兰州理工大学 电气工程与信息工程学院,兰州 730050,,兰州理工大学 电气工程与信息工程学院,兰州 730050,,兰州理工大学 电气工程与信息工程学院,兰州 730050,

关键词：图卷积神经网络;图注意力机制;故障诊断;小样本

基金：国家重点研发计划项目(2020YFB1713600)；国家自然科学基金项目(61763028,62063020).

针对现有的深度学习方法对小样本情况下的故障诊断精度不佳和图神经网络构造图的方式依赖其他算法的问题,提出一种图的构造方法,并基于该方法提出一种基于图注意力机制与先验知识库的PGAT(prior knowledge-graph attention network)模型.将有标签样本和无标签样本按照固定的方式连接在一起,通过引入图注意力机制计算出样本之间的相似程度,使得新加入的样本不依赖于图的拓扑结构,解决图卷积神经网络不易于扩展的问题.在基准数据集和氧气顶吹转炉数据集上的实验表明,在只有少量有效数据的条件下,所提模型相较于其他模型具有更好的故障诊断精度.

来源：2023年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第10期