.png){kind=icon}
返回
A small-sample supervised learning diagnosis method for scroll compressors based on uncertainty-calibrated dynamic memory-aware graph convolutional network
.png){kind=icon}
PRE
AI
DOI：10.1080/10589759.2025.2593430.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现有故障诊断方法通常依赖于静态权重注意力模型，这些模型往往会产生过度自信的预测。这一问题在复杂机械（如涡旋压缩机）中尤为突出，因为在小样本条件下，过度自信会加剧由此引发的诊断偏差。因此，诊断的可靠性和准确性均有所降低。为解决这一问题，本文提出了一种动态记忆感知机制。具体而言，该方法整合了双向长短期记忆网络（LSTM）与可学习的位置编码，以增强模型有效捕捉时序序列的能力。此外，引入了一种自适应不确定性校准损失函数（AdaUCal-Loss），该函数优化了预测置信度与分类准确度之间的关系，从而提高了诊断的鲁棒性。进一步地，提出了一种基于不确定性校准的动态记忆感知图卷积网络模型。该模型融合了空间拓扑、时序演化及概率校准，共同提升了分类准确率，尤其对于小样本条件下的边界模糊样本效果显著。实验结果表明，该模型在涡旋压缩机小样本数据集上取得了高达99.19%的优异准确率，超越了现有方法。此外，在西安交通大学提供的两个公开数据集（XJTU Spurgear和XJTU Gearbox）上，该模型展现出良好的泛化能力和诊断性能，验证了所提方法的有效性。
Keyword:
Scroll compressors
fault diagnosis
small-sample learning
graph neural network
期刊
N
IF:
4.2
论文数:
1.8K
被引数:
2.1K
机构
引用论文
.png){kind=icon}
Fault diagnosis of helicopter tail-drive system using a multi-grained hierarchical message graph convolutional networks基于多粒度分层消息图卷积网络的直升机尾驱系统故障诊断
PREAI
分享收藏Deep Adversarial Capsule Network for Compound Fault Diagnosis of Machinery Toward Multidomain Generalization Task面向多域泛化任务的机械复合故障诊断深度对抗胶囊网络
PREAI
分享收藏DCAGGCN: A novel method for remaining useful life prediction of bearingsDCAGGCN：一种轴承剩余使用寿命预测的新方法
PREAI
分享收藏BaS-former: a trustworthy model of machinery fault diagnosis for quantifying aleatoric uncertainty under noise discrepancyBaS-former：一种在噪声差异下量化偶发不确定性的机械故障诊断可信模型
PREAI
分享收藏
查看更多内容