基于PGAT模型的氧气顶吹转炉小样本故障诊断

摘要：

针对现有的深度学习方法对小样本情况下的故障诊断精度不佳和图神经网络构造图的方式依赖其他算法的问题,提出一种图的构造方法,并基于该方法提出一种基于图注意力机制与先验知识库的PGAT(prior knowledge-graph attention network)模型.将有标签样本和无标签样本按照固定的方式连接在一起,通过引入图注意力机制计算出样本之间的相似程度,使得新加入的样本不依赖于图的拓扑结构,解决图卷积神经网络不易于扩展的问题.在基准数据集和氧气顶吹转炉数据集上的实验表明,在只有少量有效数据的条件下,所提模型相较于其他模型具有更好的故障诊断精度.

关键词：图卷积神经网络、图注意力机制、故障诊断、小样本

所属期刊栏目：38

分类号：TP277(自动化技术及设备)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2943-2952