[发明专利]基于域自适应图卷积网络的航发传动系统故障诊断方法

权利要求书

1.一种基于域自适应图卷积网络的航发传动系统故障诊断方法，包括如下步骤：

S100：采集故障未知的航空发动机传动系统在不同转速下的第一振动信号,以该第一振动信号作为无标签的目标域数据；

S200：构建域自适应图卷积网络，采集故障已知的航空发动机传动系统在不同转速下的第二振动信号，以该第二振动信号作为有标签的源域数据，以源域数据和部分目标域数据作为输入对域自适应图卷积网络进行训练，其中，所述域自适应图卷积网络包括：

特征提取器F，所述特征提取器F包括四层卷积神经网络、一个图生成层和两层图卷积网络，所述特征提取器F用于提取源域数据和部分目标域数据的特征值，所述特征提取器F还用于将所提取的源域数据和目标域数据的特征值转换为关联图数据以及对关联图数据建模；

故障分类器C，所述故障分类器C包含一个全连接层，所述故障分类器C用于对源域数据所携带的故障类型进行识别；

域鉴别器D，所述域鉴别器D包含三层图卷积层，用于区分源域数据与目标域数据的差异；

数据结构对齐器S，所述数据结构对齐器S包含一个最大均值差异距离估计器，用于对齐源域数据和目标域数据的数据结构；

S300：将另一部分目标域数据输入训练好的域自适应图卷积网络，获得目标域数据的预测标签，实现不同转速下航空发动机传动系统故障的迁移诊断。

2.根据权利要求1所述的方法，其中，所述特征提取器F的表达式为：

且

其中，GConv(·)和Conv(·)分别表示图卷积层运算和卷积运算，GGL(·)表示图生成层，X分别表示通过图生成层构造的关联图的邻接矩阵和节点特征矩阵。

3.根据权利要求1所述的方法，其中，所述故障分类器C的表达式为：

C(X)＝aX+b

其中，a和b分别表示全连接层的权重和偏置。

4.根据权利要求1所述的方法，其中，所述域鉴别器D的表达式为：

D(X_s,X_t)＝Conv(|X_s,X_t|)

其中，X_s和X_t分别表示学习到的源域数据特征和目标域数据特征，|·|表示拼接操作。

5.根据权利要求1所述的方法，其中，所述数据结构对齐器S的表达式为：

其中，表示映射函数集，k(·)表示中的一种映射，m和n分别表示源域数据的和目标域数据的数量，和分别表示来自源域和目标域的第i个样本，和分别表示来自源域和目标域的第j个样本，s和t分别表示样本来自源域和目标域，i和j分别表示样本在样本集中的位置。