噪声与振动控制 ›› 2025, Vol. 45 ›› Issue (5): 110-116.

• 信号处理与故障诊断 • 上一篇    下一篇

改进图注意力网络变工况滚动轴承故障诊断方法

李耀华张鑫杰   

  1. ( 中国民航大学交通科学与工程学院,天津300300 )
  • 收稿日期:2023-12-06 修回日期:2024-04-16 出版日期:2025-10-18 发布日期:2025-10-13

Rolling Bearing Fault Diagnosis under VariableWorking Conditions Based on DSR-GATv2

  • Received:2023-12-06 Revised:2024-04-16 Online:2025-10-18 Published:2025-10-13

摘要: 针对滚动轴承工作环境复杂、常伴有较高等级噪声所致故障难以识别以及传统神经网络在小故障样本情况下识别精度不高的问题,提出一种基于去相关谱回归(Decorrelated Spectral Regression,DSR)与改进图注意力神经网络(Graph Attention Network v2,GATv2)相结合的变工况滚动轴承故障诊断方法。首先,在数据处理过程中提取多域轴承振动信号特征,丰富原始特征集;之后利用去相关谱回归方法降低特征维度,同时消除人为筛选特征引起的选择偏差;最后采用改进的图注意力神经网络进行故障诊断。实验中使用帕德博恩大学轴承数据集,与一些经典模型对比的结果表明,所提方法具有出色的抗噪能力并且在小样本情况下仍具有较高的检测精度

关键词: 故障诊断, 滚动轴承, 去相关谱回归, 图注意力神经网络, 小样本