来源：期刊VIP网 时间：
作者：辛玉;闵洋;宋李俊;马婧华;周宝成;
单位：重庆理工大学机械工程学院;重庆交通大学绿色航空技术研究院;
摘要：强噪声干扰下滚动轴承状态监测信号呈非稳态多分量信号特点，单个传感器信号包含的故障信息有限，无法全面表征设备运行状态。提出一种基于自适应残差图注意力卷积神经网络（Residual Graph Attention network,ResGAT）的多传感器融合故障诊断方法，利用多传感器监测信号可准确辨识不同工况下的滚动轴承故障信息。首先，将多个传感器采集的振动信号利用变分模态分解（Variational Mode Decomposition,VMD）和小波包分解（Wavelet Packet Decomposition,WPD）分解为小波系数矩阵，基于半径图策略构造包含多传感器网络信息的图结构数据；其次，基于残差网络的短接特性，设计一种自适应残差图注意力卷积网络（ResGAT），利用网络的输出及其残差，深度挖掘多传感器融合数据冗余故障信息；最后，将所提ResGAT模型应用于定转速、变转速、复合故障3种不同工况下的滚动轴承故障诊断数据集。研究结果表明，与现有方法相比，所提方法在3种工况下均具有更高的分类准确率和鲁棒性。
关键词：多传感器融合;;图神经网络;;滚动轴承;;故障诊断;;小波包分解
基金资助：重庆市教育委员会科学技术研究项目（KJQN2021 01119）;; 重庆市博士“直通车”科研项目（CSTB2022BSXMJCX0 163）;; 国家自然科学基金项目（52205144）
