[发明专利]一种基于多感受野与改进胶囊图神经网络的滚动轴承故障诊断方法

权利要求书

1.一种基于多感受野与改进胶囊图神经网络的滚动轴承故障诊断方法，其特征在于，包括以下步骤：

步骤S1，获取轴承故障诊断模型的训练集与测试集；

步骤S2，基于多感受野构建的图卷积层提取图特征表示；

步骤S3，运用改进的胶囊图神经网络实现高层特征提取与分类；

步骤S4，训练优化建立的轴承故障诊断模型并测试评估；

其中，步骤S1具体包括：

S1-1、采样得到的时域振动数据进行Z-score标准化，其计算公式如下：

S1-2、标准化后的样本按不同比例划分为训练集和测试集；

步骤S2具体包括：

S2-1、以小批量(mini-batch)方式通过卷积神经网络提取样本低层特征，其计算表达式如下：

S2-2、运用多层感知机输出的特征矩阵与其转置矩阵相乘，再进行Z-score标准化后得到邻接矩阵，其计算公式如下：

S2-3、基于多感受野算法迭代计算图卷积层的图特征表示，其计算公式如下：

f(·)为激活函数，选用LeakyReLU函数；

步骤S3具体包括：

S3-1、基于步骤S2得到的图特征构建胶囊图神经网络的主胶囊层；

S3-2、由主胶囊层提取的特征在注意力模块和动态路由机制共同作用下构建图胶囊层；

S3-3、使用图胶囊层输出向量构建类胶囊层；

S3-4、类胶囊的输出向量经Softmax函数运算实现故障分类。

2.根据权利要求1所述的一种基于多感受野与改进胶囊图神经网络的滚动轴承故障诊断方法，其特征在于：

基于多感受野构建图卷积网络使用的激活函数为LeakyReLU函数；

所述的改进胶囊图神经网络不再使用图神经网络提取节点胶囊，而是利用S2基于多感受野构建的图卷积层构建主胶囊层；

图胶囊层融合了注意力模块和动态路由机制，以生成图胶囊；

再次利用动态路由机制将图胶囊转化为用于图分类的类胶囊；

类胶囊由Softmax函数实现故障模式识别与分类。