Fault diagnosis of high-speed train braking system based on graph diffusion convolution model

邻接矩阵 计算机科学 可解释性 图形 推论 算法 有向图 理论计算机科学 图论 人工智能 数据挖掘 数学 组合数学
作者
Nan Liu,Wei Wang,Chong Wang,Jian Liu
标识
DOI:10.1049/icp.2023.1679
摘要

This paper introduces a novel approach to fault diagnosis in high-speed train braking systems through the integration of graph neural networks and causality analysis. Specifically, a fault diagnosis model is formulated based on a graph diffusion model. Cyclic causality is extracted from the data using Function Causality Inference (FCI), leading to the construction of a causality graph. Subsequently, the adjacency matrix is transformed into a diffusion transfer matrix using the graph diffusion model, enabling the aggregation of higher-order information. A graph classification model, employing Graph Attention Networks (GAT), is then established to evaluate the effectiveness of the proposed fault diagnosis model. Through comprehensive comparative analysis, the performance enhancement of the high-speed train fault classifier achieved by this approach is verified. The results underscore that our fault diagnosis model not only enhances the interpretability and reasoning capabilities of cyclic causality, but also adeptly captures the high-dimensional structural information inherent in the graph. This amalgamation leads to a more precise and pragmatic fault diagnosis model.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
3秒前
自由完成签到 ,获得积分10
7秒前
jewel9完成签到,获得积分10
8秒前
艾欧比完成签到 ,获得积分10
9秒前
落寞醉易完成签到 ,获得积分10
10秒前
11秒前
222完成签到,获得积分10
12秒前
14秒前
刘一完成签到 ,获得积分10
15秒前
我不会乱起名字的完成签到,获得积分10
19秒前
20秒前
008完成签到 ,获得积分10
21秒前
喵了个咪完成签到 ,获得积分10
30秒前
璐璐完成签到 ,获得积分10
36秒前
xiaoxiaoxingqiu完成签到 ,获得积分10
39秒前
Wang完成签到 ,获得积分20
40秒前
杨永佳666完成签到 ,获得积分10
41秒前
张颖完成签到 ,获得积分10
42秒前
诸葛丞相完成签到 ,获得积分10
42秒前
ii完成签到 ,获得积分10
48秒前
chenying完成签到 ,获得积分0
56秒前
Wang发布了新的文献求助10
56秒前
Albert完成签到,获得积分10
58秒前
zx完成签到 ,获得积分10
58秒前
情怀应助Singularity采纳,获得10
59秒前
1分钟前
nengzou完成签到 ,获得积分10
1分钟前
安静严青完成签到 ,获得积分10
1分钟前
绵羊完成签到,获得积分10
1分钟前
我独舞完成签到 ,获得积分10
1分钟前
烟熏妆的猫完成签到 ,获得积分10
1分钟前
ghost完成签到 ,获得积分10
1分钟前
子平完成签到 ,获得积分10
1分钟前
欢呼的茗茗完成签到 ,获得积分10
1分钟前
陈昇完成签到 ,获得积分10
1分钟前
1分钟前
腰果虾仁完成签到 ,获得积分10
1分钟前
穆一手完成签到 ,获得积分10
1分钟前
科研小郭完成签到,获得积分10
1分钟前
上官若男应助Singularity采纳,获得10
1分钟前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3134035
求助须知:如何正确求助?哪些是违规求助? 2784845
关于积分的说明 7768880
捐赠科研通 2440255
什么是DOI,文献DOI怎么找? 1297353
科研通“疑难数据库(出版商)”最低求助积分说明 624928
版权声明 600792