文章标题：基于信息融合采样归纳算法的柴油机健康状态评估

文章作者：马川¹, 李屹东¹, 孙亚斌¹, 熊纪国¹, 刘皓天¹, 张俊杰³, 姚玉南²
关 键 字：Graph SAGE;船舶柴油机;信息融合;状态评估
文章摘要：针对船厂物流工程车辆柴油机故障特征提取单一和常规算法健康评估准确率不高的问题，提出一种基于改进图神经网络（Graph Convolution Network，GNN）信息融合采样归纳式算法（Multi－Graph SAmple and aggreGatE，Multi－Graph SAGE）。首先采用样本概率相似性原理，提取柴油机振动信号、滑油特征和瞬时转速与柴油机运行状态建立联系；接着采用特征工程筛选重要指标，通过信息融合图采样式学习深入挖掘潜在信息，构建融合邻接矩阵，同时引用JK-net跳跃知识网络，避免数据过载；最后利用交叉熵损失函数使模型准确性得到了进一步的验证。结果表明所提算法能够将特征进行深入融合，通过柴油机的健康状态识别因子HI得到监测状态。模型监测准确率达到98.54%，多项评价指标均高于99.6%。与随机森林 （Random Forest，RF）、极限学习机（Extreme Learning Machine，ELM）、卷积神经网络（Convolutional Neural Networks，CNN）等常规数据驱动相比较，本方法能够有效提高船厂物流工程车辆柴油机健康状态监测的准确率，具有一定的工程应用价值。