一种基于深度学习的滚动轴承故障诊断方法

本发明提供一种基于深度学习的滚动轴承故障诊断方法，涉及机械故障诊断技术领域。该方法通过CPO优化算法对ICEEMDAN分解过程中的参数组合进行全局的寻优，确定白噪声最佳的幅值与添加白噪声的次数，结合相关系数对本征模态函数进行筛选、去噪并完成滚动轴承振动信号的重构，在提高滚动轴承振动信号的可靠性和稳定性的同时，解决了模态混叠的问题；使用K近邻方法构建图模型，能够有效建立起节点之间的边连接关系，从而为后续基于图结构的深入分析与处理振动信号奠定基础，输入图注意力神经网络，充分利用节点和边的拓扑结构信息，对提取的节点特征进行分类识别，进而实现滚动轴承的故障诊断。