基于三模态异构表征与图注意力融合的核电厂执行器故障诊断 方法研究

宋旭东; 王骄亚; 王梦丹; 刘键; 王文林; 吴国华; 徐志辉; 沈跃; 路红星; 韩玉峰

doi:10.20190/j.cnki.02580918.202604013

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于三模态异构表征与图注意力融合的核电厂执行器故障诊断方法研究

更新时间：2026-10-16

- 基于三模态异构表征与图注意力融合的核电厂执行器故障诊断方法研究
- Vol. 46, Issue 4, Pages: 900-911(2026)
- 作者机构：
  
  1. 江苏大学电气信息工程学院
  2. 中广核工程有限公司核电安全技术与装备全国重点实验室
  3. 深圳技术大学创新创业学院
  4. 深圳市核安全与应急产业科技创新中心
  5. 深圳技术大学中德智能制造学院
- 作者简介：
- 基金信息：
- DOI：10.20190/j.cnki.02580918.202604013
  CLC： TM623;TP183
- Published：2026
- 稿件说明：
移动端阅览
宋旭东, 王骄亚, 王梦丹, et al. 基于三模态异构表征与图注意力融合的核电厂执行器故障诊断方法研究[J]. 2026, 46(4): 900-911.
DOI：

宋旭东, 王骄亚, 王梦丹, et al. 基于三模态异构表征与图注意力融合的核电厂执行器故障诊断方法研究[J]. 2026, 46(4): 900-911. DOI： 10.20190/j.cnki.02580918.202604013.

摘要

直流无刷电机作为核电厂仪控系统中重要的执行器，针对其常见的故障，提出一种基于电流-振动双源信号三模态异构表征与图注意力融合的智能诊断方法。首先，对同步采集的电流信号和振动信号进行滑动窗口切分与标准化处理，构建双源样本集。其次，构建振动增强时域模态、电流频域模态和振动无阈值递归图模态，并利用卷积神经网络提取深层特征。然后，在批内样本关系图上引入双层多头图注意力网络，并结合跨视图协同更新和动态门控融合机制，实现多模态特征增强与自适应融合。最后，建立智能诊断模型，实现电机多故障识别。利用自建实验平台采集的5类工况数据进行测试，并与3种单模态+图注意力机制的方法进行对比，结果表明，所提方法的准确率在99%，诊断性能最优。

Abstract

关键词

Keywords

references

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于对比学习的核电厂故障诊断方法

基于分层多粒度分类网络的核电分层故障诊断研究

基于自适应经验小波变换的轴承故障诊断研究

小波变换在中国实验快堆钠泵故障诊断中的应用

核电站机组故障诊断系统的知识获取

Related Author

金成毅

周士祺

林萌

陈逸龙

孙宪

王巍

李思维

程东振

Related Institution

中广核工程有限公司

上海交通大学核电安全与装备全国重点实验室

上海交通大学四川研究院

上海交通大学核动力系统与装备教育部重点实验室

上海交通大学国家电投智慧能源创新学院

AI问答

⁰