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