基于K近邻算法的数据融合与改进图卷积神经网络的电机轴承故障诊断

孙丽玲; 唐李昱; 许伯强

doi:10.15938/j.emc.2025.05.002

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于K近邻算法的数据融合与改进图卷积神经网络的电机轴承故障诊断

更新时间：2026-10-18

- 基于K近邻算法的数据融合与改进图卷积神经网络的电机轴承故障诊断
- Fault diagnosis of motor bearing based on data fusion and improved graph convolutional network
- 电机与控制学报 2025年29卷第5期页码：12-18
- 作者机构：
  
  华北电力大学　电气与电子工程学院，河北　保定　071003
- 作者简介：
  
  作者简介：孙丽玲（1972—），女，博士，副教授，研究方向为大型电机的状态监测与故障诊断；
  通信作者唐李昱
  许伯强（1972—），男，博士，教授，博士生导师，研究方向为大型电机的状态监测与故障诊断。
- 基金信息：
  
  国家自然科学基金(51277077)
- DOI：10.15938/j.emc.2025.05.002
  中图分类号： TM307;U226.8
- 收稿：2024-02-28，
  
  纸质出版：2025-05
- 稿件说明：
移动端阅览
孙丽玲, 唐李昱, 许伯强. 基于K近邻算法的数据融合与改进图卷积神经网络的电机轴承故障诊断[J]. 电机与控制学报, 2025,29(5):12-18.

SUN Liling, TANG Liyu, XU Boqiang. Fault diagnosis of motor bearing based on data fusion and improved graph convolutional network[J]. Electric Machines and Control, 2025, 29(5): 12-18.
孙丽玲, 唐李昱, 许伯强. 基于K近邻算法的数据融合与改进图卷积神经网络的电机轴承故障诊断[J]. 电机与控制学报, 2025,29(5):12-18. DOI： 10.15938/j.emc.2025.05.002.

SUN Liling, TANG Liyu, XU Boqiang. Fault diagnosis of motor bearing based on data fusion and improved graph convolutional network[J]. Electric Machines and Control, 2025, 29(5): 12-18. DOI： 10.15938/j.emc.2025.05.002.

浏览量

643

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

峭度滤波器用于电机轴承早期故障特征提取

模糊数据融合技术在系统故障诊断中的应用

基于多尺度注意力驱动的轴承故障特征自适应算法

考虑电压不平衡下的同步发电机定子匝间短路故障诊断

融合轴电压-振动特征的同步电机缺陷诊断

基于K近邻算法的数据融合与改进图卷积神经网络的电机轴承故障诊断

Fault diagnosis of motor bearing based on data fusion and improved graph convolutional network

DOI：10.15938/j.emc.2025.05.002