A multi-channel data fusion-enabled multilevel graph-guided framework for fault diagnosis in rotating machinery under extreme biased data

计算机科学 聚类分析 数据挖掘 预处理器 人工智能 稳健性(进化) 图形 判别式 数据预处理 机器学习 层次聚类 多重图 特征学习 特征提取 特征(语言学) 容错 传感器融合 模式识别(心理学) 源代码 杠杆(统计) 编码 数据建模 断层(地质) 故障检测与隔离 特征向量 图嵌入
作者
Yue Yu,Hamid Reza Karimi,Pradeep Kundu,Enrico Zio,Ke Feng
出处
期刊:Information Fusion [Elsevier BV]
卷期号:134: 104339-104339 被引量:7
标识
DOI:10.1016/j.inffus.2026.104339
摘要

• Proposes a multi-channel data fusion framework for intelligent fault diagnosis. • Addresses extreme data bias through a multilevel graph-guided learning strategy. • MultiGraph structures capture complementary features using diverse topological relationships. • A divergence-based clustering objective enhances feature separability and intra-category compactness. Fault diagnosis based on multi-channel data plays a crucial role in rotating machinery monitoring. By leveraging signals acquired from multiple sensors, more comprehensive fault-related information can be extracted, thereby improving diagnostic accuracy. This paper proposes a novel Multi-channel data fusion-enabled Multilevel Graph-guided Framework for Diagnosis (MSGFD) to address fault diagnosis under extreme data imbalance. First, an efficient preprocessing strategy is developed to transform multi-channel signals into structured representations suitable for graph-based learning. Subsequently, a MultiGraph construction mechanism is introduced to capture discriminative and complementary fault information through four distinct graph topologies. To address the challenge of limited supervision in extremely imbalanced scenarios, a multilevel learning architecture integrating a Graph Multilayer Perceptron (MLP) and a Graph Transformer is designed to jointly model local and global feature dependencies. Furthermore, a deep divergence-based clustering (DDC) loss is incorporated to enhance inter-class separability and intra-class compactness. Extensive experiments conducted under various imbalance settings demonstrate the robustness and effectiveness of the proposed method across multiple fault categories. The source code is publicly available at: https://github.com/Polimi-YuYue .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
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
Lu丶L完成签到,获得积分10
刚刚
1秒前
1秒前
KMS完成签到,获得积分10
2秒前
moon发布了新的文献求助10
2秒前
2秒前
白芷完成签到,获得积分10
2秒前
Luna完成签到 ,获得积分10
4秒前
晓天发布了新的文献求助10
4秒前
4秒前
Jasper的应助被璐璐采纳,获得10
4秒前
桐桐的应助被冰棍采纳,获得10
4秒前
桐桐的应助被冰棍采纳,获得10
5秒前
JamesPei的应助被姜OMG采纳,获得10
5秒前
琪琪完成签到 ,获得积分10
5秒前
小波儿发布了新的文献求助10
5秒前
唐唐发布了新的文献求助10
5秒前
6秒前
6秒前
领导范儿的应助被困告采纳,获得10
8秒前
斯多姆发布了新的文献求助10
8秒前
大个的应助被www采纳,获得10
8秒前
乐正亦寒完成签到 ,获得积分10
9秒前
完美世界的应助被wba采纳,获得30
9秒前
9秒前
道鹏完成签到,获得积分10
10秒前
11秒前
快乐的如曼完成签到 ,获得积分10
11秒前
777发布了新的文献求助10
11秒前
Flaubert发布了新的文献求助10
12秒前
march的应助被亲爱的安德烈采纳,获得10
13秒前
狮子完成签到,获得积分20
13秒前
14秒前
不安易文完成签到,获得积分10
15秒前
斯多姆完成签到,获得积分10
15秒前
彭于彦祖的应助被sweetwan采纳,获得50
16秒前
图图完成签到 ,获得积分10
16秒前
jade完成签到,获得积分10
17秒前
白春蕾发布了新的文献求助10
17秒前
jiangsi完成签到 ,获得积分10
17秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
Boundaries and Bodhisattvas 500
高分子基功能界面水蒸发材料与应用研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8181408
求助须知:如何正确求助?哪些是违规求助? 9571330
关于积分的说明 21817615
捐赠科研通 7777856
什么是DOI,文献DOI怎么找? 3433479
关于科研通互助平台的介绍 2557696
邀请新用户注册赠送积分活动 2479527