噪声与振动控制

噪声与振动控制 ›› 2026, Vol. 46 ›› Issue (3): 90-96.

• 信号处理与故障诊断 • 上一篇    下一篇

基于改进Node2Vec图神经网络的轴承故障诊断

谢七月1，蒋朝洋1，宋蕾1，周育才1，付强1，王晓丽2   

  1. ( 1. 长沙理工大学电气与信息工程学院，长沙410114；
    2. 中南大学自动化学院，长沙410083 )
  • 收稿日期:2024-11-27 修回日期:2025-06-12 出版日期:2026-06-18 发布日期:2026-06-10

Bearing Fault Diagnosis Based on Improved Node2Vec Graph Neural Network

  • Received:2024-11-27 Revised:2025-06-12 Online:2026-06-18 Published:2026-06-10

PDF

摘要： 针对传统滚动轴承故障诊断方法复杂、准确率不高且抗噪能力不足的问题，提出一种基于改进图嵌入的图神经网络轴承故障诊断方法。该方法通过对Node2Vec 算法进行改进，在对节点邻居点进行随机游走时，加入基于邻居点在图中的权重信息的游走策略，使得模型能够更有针对性捕捉节点关系信息，有效避免传统的图嵌入没有充分考虑边缘交互信息的问题。同时引入对偶图的概念，通过对偶图的构建和数据嵌入，进一步挖掘数据中的信息。实验结果表明，所提出的方法对于凯斯西储大学轴承数据集在无噪声，以及噪声为-5、-10 dB的环境条件下均有较高的诊断准确率；并基于PT500 mini 轴承故障试验台进行验证，实验准确率为97.5 %，展现了该方法在不同工况下和不同工业环境中的实际应用潜力。

关键词: 故障诊断, 滚动轴承故障, Node2Vec算法, 对偶图, 图神经网络