基于图局部-全局融合网络的可解释机械故障诊断方法

本发明公开了深度学习与智能制造技术领域内的一种基于图局部‑全局融合网络的可解释机械故障诊断方法，包括以下步骤：步骤1）：将从机械部件采集的振动信号归一化处理后拆分成特定长度的子样本，构建KNN图、Radius图和Path图；步骤2）：构建包含节点相似度自适应衰减策略的ASAN；步骤3）：采用GAT对构建的图中的局部信息进行建模；步骤4）：引入可学习的权重参数，将自适应自注意力网络与图注意力网络进行加权融合，构造GNN模型：图局部‑全局融合网络；步骤5）：采用GNN可解释性技术GraphLIME对以上构造的GLGFN模型的故障诊断结果进行解释，本发明解决现有基于图神经网络的故障诊断方法中局部‑全局信息联合建模不足和可解释性差的问题。