基于联邦图网络的转子系统故障诊断方法

作     者：李晖 陈银超 孙绍山 梁兆鑫 毛刚 乔彬 李永波 

作者机构：中国航空工业集团公司成都飞机设计研究所 西北工业大学航空学院 

出 版 物：《航空学报》 (Acta Aeronautica et Astronautica Sinica)

年 卷 期：2024年第17期

页      面：207-220页

核心收录：

学科分类：08[工学] 082503[工学-航空宇航制造工程] 0825[工学-航空宇航科学与技术] 

基　　金：国家自然科学基金(12172290,52472457,52250410345) 深圳市自然科学基金(JCYJ20220530161801003)~~ 

主　　题：图神经网络 联邦学习 故障诊断 遗传进化构图 隐私保护 

摘      要：转子系统运行环境恶劣、多源监测数据融合困难且易产生数据孤岛现象，对转子系统健康监测带来巨大挑战。本文提出了基于遗传进化构图的联邦图卷积神经网络（FGCN）转子系统故障诊断方法。首先，利用联邦学习和图神经网络，构建联邦图网络框架，通过在每个本地客户端上进行局部模型训练，并通过联邦加权平均算法聚合这些局部模型得到全局模型，这种数据不动、模型动的方式，不仅实现了数据的本地化处理，还确保了模型参数的安全与隐私；此外，为了解决多源传感器数据融合自适应差的问题，提出了遗传进化构图方法，该方法通过模拟生物进化过程中的自然选择和遗传变异机制，在训练过程中自动调整图结构节点之间的连接关系和权重；极大地提高了多源传感器构图的自适应性和灵活性，进而提升故障诊断的准确性。最后，通过在转子故障实验台数据集上进行验证，实验结果表明，所提出的方法能够更充分利用多传感器监测数据，在客户端包含故障种类数量不同的诊断场景中达到了95%以上的故障诊断准确率。