基于快速特征逼近谱图注意力网络的滚动轴承半监督智能故障诊断研究

来源：机床与液压杂志2025年第6期北京时间：

作者：宁少慧，杜越，周利东

单位：太原科技大学机械工程学院；太原科技大学机械工程学院；太原科技大学机械工程学院

摘要：基于图注意力网络的诊断模型在故障诊断全监督任务中有较好的表现，但在半监督任务中表现欠佳。针对此问题，构建一种基于快速特征逼近谱图注意力网络的半监督滚动轴承智能故障诊断模型。通过K近邻图方法将振动信号转为可用于诊断的图数据，丰富了数据特征；将图数据输入到构建的诊断模型中，学习故障信息特征,并分析不同的标签比例训练集的诊断结果。同时，分析了Sum、Mean、Max 3种池化方式和超参数对诊断模型的影响；最后，分别在两组实验轴承数据集上进行验证。结果表明：所提模型可以有效地捕获图的全局模式，降低计算复杂度，在全监督诊断任务中其诊断准确率可以保持在99%以上；在标签比例为10%的半监督任务中，其诊断准确率仍能保持在93.5%,所提诊断模型在半监督任务中有良好表现。

关键词：轴承;故障诊断;快速特征逼近谱图注意力网络;K近邻图算法

基金资助：山西省应用基础研究计划（20210302123212）