基于图卷积网络的故障诊断方法：结合测量和先验知识的混合方法

基于深度神经网络的故障诊断方法已广泛应用于最新技术中。然而，其中很少数考虑了所关注系统的先验知识，这对故障诊断有益。为此，提出了一种基于图卷积网络（GCN）的新故障诊断方法，该方法使用可用测量和先验知识的混合。具体来说，该方法首先使用结构分析（SA）方法进行故障的预诊断，然后将预诊断结果转换为关联图。接着，图和测量被输入到GCN模型中，在该模型中引入了权重系数，以调整测量和先验知识的影响。在此方法中，GCN的图结构作为一个连接点，将基于模型的SA与基于数据的GCN连接起来。为了验证所提方法的有效性，进行了实验。结果表明，结合了SA和GCN优点的提议方法，在常见评估指标下的诊断结果优于现有方法。