申请/专利权人：兰州理工大学

申请日：2024-01-10

公开（公告）日：2024-04-16

公开（公告）号：CN117892194A

主分类号：G06F18/241

分类号：G06F18/241;G06F18/213;G06N3/0442;G06N3/042;G06N3/0985;G06N3/084;G01M13/021;G01M13/028

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于Meta‑GraphSage网络的小样本故障诊断方法及系统。属于故障诊断技术领域。本发明方法包括故障数据集获取、Meta‑GraphSage故障诊断模型构建、Meta‑GraphSage故障诊断模型训练、故障诊断。其中Meta‑GraphSage故障诊断模型使用改进的GraphSage网络来提取特征以更好的处理邻居节点之间的动态交互和依赖关系；此外，元学习算法通过多个任务训练良好的初始化参数可仅使用少量样本快速准确适应新任务，并在此基础上执行一个或多个梯度调整步骤，以达到仅用少量数据快速适应新任务的目的。

主权项：1.一种基于Meta-GraphSage网络的小样本故障诊断方法，其特征在于，包括以下步骤：故障数据集获取：获取齿轮箱的故障数据集，并将所述故障数据集划分为训练集和测试集；Meta-GraphSage故障诊断模型构建：基于模型不可知元学习框架MAML构建Meta-GraphSage故障诊断模型，所述Meta-GraphSage故障诊断模型包括GraphSage网络；利用门控循环单元作为聚合函数对所述GraphSage网络中的节点状态进行更新；利用元学习策略对节点状态更新后的GraphSage网络中的网络初始参数进行学习；Meta-GraphSage故障诊断模型训练：利用训练集对构建好的Meta-GraphSage故障诊断模型进行训练；故障诊断：利用训练好的Meta-GraphSage故障诊断模型进行小样本故障诊断。

全文数据：

权利要求：

百度查询： 兰州理工大学 基于Meta-GraphSage网络的小样本故障诊断方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD