一种基于多感受野与改进胶囊图神经网络的滚动轴承故障诊断方法

摘要

本发明涉及一种基于多感受野与改进胶囊图神经网络的滚动轴承故障诊断方法，包括步骤S1，通过加速度传感器获取带有正常与多个故障标签的滚动轴承时域振动信号数据，数据预处理，划分训练集和测试集；步骤S2，运用改进的多感受野模型基于时域信号构建图卷积层，提取经过图卷积层输出的图特征表示；步骤S3，将由图卷积层输出的特征表示输入改进的胶囊图神经网络，胶囊图神经网络运用注意力机制和动态路由机制，依次由主胶囊层、图胶囊层和类胶囊层组成，实现高层特征提取与分类；步骤S4，使用训练集训练经S1、S2和S3构建的滚动轴承故障诊断模型，并用测试集进行测试评估，得到轴承状态诊断结果。本发明不依赖于信号特征提取方法，多感受野与胶囊图神经网络的应用，更有利提取数据特征与挖掘数据结构联系，解决了在少量的标记样本和变工况下，较高准确率识别轴承故障类型的问题。