一种基于图神经网络自监督域适应的轴承故障诊断方法

一种基于图神经网络自监督域适应的轴承故障诊断方法，针对变工况下域自适应故障诊断领域，旨在克服不同工况数据特征分布差异大及迁移学习域对抗训练时间长等问题。方法包括图样本构造模块、图神经网络最大分类器差异领域适应训练模块，采用图神经网络构建特征提取器及双分类器，训练过程首先进行源域分类以及源域和目标域的初步特征对齐，然后最大化两分类器输出差异更新分类器、冻结特征提取器参数获得目标域的判决边界，最后最小化两分类器输出差异更新提取器缩小源域和目标域特征距离，通过对抗训练实现跨工况域适应。实验采用PU数据集，对比其他方法的变工况下域自适应故障诊断方法，本方法在诊断准确率和模型训练时间上有显著优势。