多源特征节点的图神经网络轴承变转速故障诊断

来源：振动与冲击杂志2026年第3期北京时间：

作者：刘素艳,，王春辉，孙学浩，杨志勃phdapple@xjtu，马增强,,

单位：1.石家庄铁道大学河北省交通电力网智能融合技术与装备协同创新中心，石家庄050043；2.石家庄铁道大学电气与电子工程学院，石家庄050043；3.西安交通大学机械工程学院，西安710049；4.省部共建交通工程结构力学行为与系统安全国家重点实验室，石家庄050043

摘要：针对轴承在变转速情况下,信号非平稳性与特征难以提取以及故障分类困难等问题，提出了一种基于多源多特征节点的图神经网络模型。该方法用自适应加权算法结合格拉姆角差场优化格拉姆图，实现振动信号和转速信息结合。然后，改进Swin Transformer机制，实现图像特征提取，构建结构图输入图卷积神经网络模型进行故障诊断，提高变转速工况下轴承故障的准确率。实验结果表明，在变转速工况下，卷积神经网络、长短期记忆网络、Transformer以及传统的图神经网络深度学习模型的故障诊断率较低，所提方法在渥太华公共数据集中取得了99.90％准确率，同时在自测数据集中也达到了99.00％的准确率。<br>

关键词：多源信息；图神经网络；故障诊断；格拉姆角场