机床与液压

作者：宁少慧，董振才，戎有志，周利东

单位：太原科技大学机械工程学院；太原科技大学车辆与交通工程学院；太原科技大学机械工程学院；太原科技大学机械工程学院

关键词：滚动轴承;故障诊断;K近邻(KNN)算法;快速傅里叶变换（FFT）;快速学习图卷积网络(Fast-GCN)

基金：山西省应用基础研究计划（20210302123212）

图神经网络跨层的递归邻域扩展为训练大型密集图带来时间方面的挑战，导致轴承故障诊断的训练效率不高。针对此问题，提出一种基于快速学习图卷积网络方法并将其应用于滚动轴承故障诊断中。利用快速傅里叶变换（FFT）将采集的轴承故障时域信号转化为频域数据，再利用K近邻（KNN）算法将频域信号转换为图数据，以图数据显示频域特征，极大丰富了输入信息；引入快速学习图卷积网络（Fast-GCN）模型，通过重要性采样对故障特征进行学习；最后，利用Log-Softmax函数输出最终分类结果，从而实现滚动轴承单一故障的分类。实验结果表明：所提模型在保证故障分类准确率的前提下，诊断速度显著提升，甚至比图卷积神经网络（GCN）的诊断速度增加了约1倍，且所提方法具有良好的半监督诊断性能与泛化能力。

来源：2025年第12期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第12期