采用馬爾科夫轉(zhuǎn)移場(chǎng)和圖注意力網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法

打開(kāi)文本圖片集

摘要： 針對(duì)實(shí)際工程環(huán)境復(fù)雜多變而導(dǎo)致模型識(shí)別準(zhǔn)確率不高的問(wèn)題，提出了一種融合馬爾科夫轉(zhuǎn)移場(chǎng)和圖注意力網(wǎng)絡(luò)（Markov transition field and graph attention networks，MTF?GAT）的滾動(dòng)軸承故障診斷模型。利用MTF保留信號(hào)時(shí)間相關(guān)性的優(yōu)點(diǎn)，將一維信號(hào)轉(zhuǎn)換為二維特征圖并定義圖的節(jié)點(diǎn)和邊；利用圖注意力層可自適應(yīng)地對(duì)鄰近節(jié)點(diǎn)分配不同權(quán)重的特點(diǎn)，提高模型捕獲有用故障特征的能力，并采用深層卷積模塊進(jìn)一步提取圖的抽象信息；通過(guò)模擬實(shí)際工程環(huán)境，將各類(lèi)故障信號(hào)輸入到訓(xùn)練好的MTF?GAT模型進(jìn)行故障診斷，并在兩個(gè)數(shù)據(jù)集上進(jìn)行試驗(yàn)驗(yàn)證。（剩余16385字）