[发明专利]一种基于图马尔可夫注意网络的滚动轴承故障诊断方法

权利要求书

1.一种基于图马尔可夫注意网络的滚动轴承故障诊断方法，其特征在于，包括以下步骤：

Step1：构造输入信息inputs_q；

Step2：通过输入的特征inputs_q，标签target_q，邻接关系矩阵adj，标签取idx_train所拥有的部分，训练一个两层的GAT网络trainer_q；

Step3：inputs_q通过trainer_q.predict得到preds，这是一个分布，每个维度是一个值，值越大的维度的索引越可能被选中，再编码成只有0/1的新编码，inputs_p和target_p；

Step4：将得到的新编码作为标签和特征作为网络trainer_p(两层GMNN网络)的输入，训练网络，更新trainer_p；

Step5：inputs_p通过trainer_p.predict得到新preds和target_q，target_q将idx_train所拥有的部分替换为真实标签，得到新target_q；

Step6：将最初的inputs_q和新target_q作为特征和标签，再训练trainer_q，trainer_q得到了更新。

2.根据权利要求1所述的X，其特征在于：所述Step1中具体步骤为：

Step1.1：不同故障类型(包括正常状态(NC)、滚动体故障(REF)、外圈故障(ORF)和内圈故障(IRF))、不同故障尺寸的滚动轴承振动信号分别maximum–minimum归一化：X^nol＝normalize(X)；

Step1.2：分段构造数据集；

Step1.3：减弱噪声的影响，对每个样本集进行FFT，并取结果的前半部分；

Step1.4：每个样本分配相相应的标签target_q；

Step1.5：确定节点的数量；进一步利用ε-radiusis查找亲和图中每个节点的邻居，通过如下公式计算：

其中，ε为为选定半径，返回其中，是通过计算余弦相似性；

Step1.6：通过阈值高斯核权函数计算每个节点之间的权值；

其中β为高斯函数的带宽方差。