摘要
本发明属于轴承故障诊断技术领域,公开了一种基于动态多核跳跃图卷积网络的轴承故障诊断方法,具体技术方案为:构建一个动态多核跳跃图卷积网络,采用自适应抗噪图模块构建图数据;动态多核跳跃图卷积网络中集成了自适应鲁棒性感知图模块,根据不同频率区间之间的相关性自适应地调整样本点之间的连接权重,将注意力集中在频谱中能量集中的区域,时间序列数据通过自适应鲁棒性感知图模块转换为抗噪图数据,经过动态感受野卷积模块提取和聚合特征,最终通过全连接层进行分类,结合跨层跳跃连接,保留并整合浅层的细粒度特征和深层的抽象表征,对滚动轴承进行端到端故障诊断,在嘈杂的环境中,能够确保稳健的故障诊断。
技术关键词
动态多核
轴承故障诊断方法
节点特征
拉普拉斯
卷积模块
多项式
矩阵
样本
切比雪夫
输出特征
细粒度特征
轴承故障诊断技术
鲁棒性
网络
数据
特征值
权重分配机制
频率
GCN模型
系统为您推荐了相关专利信息
健康状态估计方法
多场景
电化学阻抗谱分析
电池健康状态
卷积神经网络模型
图像分类方法
辅助分类器
功能磁共振成像数据
动态功能脑网络
功能磁共振数据