基于卷积图神经网络的滚动轴承故障诊断算法
作者:丁汕汕; 陈仁文; 刘飞; 刘昊
更新时间:
针对传统深度学习方法直接处理一维时域振动信号进行故障诊断时诊断精度低的问题,提出了一种基于一维卷积神经网络(CNNConvolutionNeural Network)和图神经网络(GNNGraphNeural Network)的滚动轴承故障诊断算法(CGNN)。首先对振动信号进行一维卷积层压缩和预处理,然后将预处理后的一维特征数据转化为图形结构数据。最后,利用三层图神经网络对滚动轴承进行故障诊断。实验验证是在凯斯西储大学滚动轴承数据集(CWRU)上进行的。结果表明,CGNN在所有工况下的故障诊断准确率均在90%以上。