基于超图卷积模糊网络的智能产线旋转机械健康评估方法

本发明涉及一种基于超图卷积模糊网络的智能产线旋转机械健康评估方法，包括：采集旋转机械系统运行时各类故障所产生的时域信号，获得对应的时频表示；按照故障类型划分时域信号及时频表示并添加标签，构成振动数据；利用超图模型分别以时域信号及其时频表示为图节点构建超图，获得每类故障类型下的两种超图；利用权重模糊模块对每类故障类型下的两种超图的节点进行数据融合；将融合后的超图特征输入多层感知混合模块；通过输出全连接层及分类函数计算所有故障类的概率，实现超图卷积模糊网络的训练、优化、更新。本发明增加了模型的可解释性，可获得更鲁棒的旋转机械系统健康评估结果。