基于混合域图神经网络的旋转机械噪声鲁棒故障诊断方法

本发明请求保护一种基于混合域图神经网络的旋转机械噪声鲁棒故障诊断方法。包括以下步骤：采集振动数据，使用无重叠采样将原始振动信号划分为多段长度为1024的子样本；使用快速傅里叶变换FFT将构建的子样本信号振动信号转换为频域信号；将子样本频域信号作为节点，频谱作为节点特征，故障类型作为节点标签，然后将这些节点构造为图结构；将生成的图结构数据集划分为训练集和测试集；使用训练好的模型对测试集进行故障诊断，使用门控机制来实现自适应调整权重来机械特征融合，输出诊断结果，计算性能指标并进行结果可视化分析。结果表明，所提方法于单域图神经网络相比拥有更高的准确率和抗噪性，可有效实现强噪声条件下端到端的旋转机械故障诊断。