基于多传感器隐式关系学习的列车传动系统故障诊断方法

本发明公开了一种基于多传感器隐式关系学习的列车传动系统故障诊断方法。本发明首先，对原始列车数据进行标准化处理和快速傅里叶变换，确保每个样本包含完整的旋转周期数据。接着，利用卷积神经网络提取单个传感器的时间序列特征，捕捉复杂模式。然后，根据部件之间的物理连接关系构建传感器图结构，并通过计算特征间的余弦相似度动态更新边权重，挖掘传感器之间的潜在隐式关系。在此基础上，采用图卷积网络进一步融合多传感器特征，增强特征表达能力。最后，使用基于原型的分类器对最终特征向量进行分类，确定故障类别。本发明整合了多传感器数据，实现了更全面、准确的故障诊断，尤其在小样本条件下表现出色，减少了对大规模标注数据的依赖。