融合CNN与图注意力网络的旋转设备故障诊断方法

本申请提出一种融合CNN与图注意力网络的旋转设备故障诊断方法。多传感器分别捕捉电机、轴承、齿轮箱、联轴器和旋转负载各部位的关键运行信号，通过GRU网络输入至多通道注意力模块后输出特征序列，将特征序列拼接成二维特征矩阵输入至CNN与混合注意力机制模块，得到各部位故障特征；将故障特征按照时间序列分窗并依据重要性动态加权后重组；以不同部位重组特征作为节点、节点间的显著交互关系作为边，构建全局故障诊断图；通过图注意力网络学习各节点间的交互信息并聚合，得到全局故障特征；构造图网络联合优化损失函数，分析并优化模型参数。本模型通过多阶段融合的方式，全面挖掘故障信息，极大提升了故障诊断的准确性。