前言

本文基于凱斯西儲大學（CWRU）軸承數據，先經過數據預處理進行數據集的制作和加載，最后通過Pytorch實現K-NN+GCN模型對故障數據的分類。

1.相關網絡介紹

1.1 圖卷積神經網絡(GCN)

論文地址：??https://arxiv.org/abs/1609.02907??

1.2 圖注意力網絡(GAT)

論文地址：??https://arxiv.org/abs/1710.10903??

1.3 稀疏圖卷積網絡(SGCN)

論文地址：???https://arxiv.org/abs/2104.01528???

1.4 GIN 圖同構網絡 

論文地址：???https://arxiv.org/abs/1810.00826???

2 軸承故障數據的預處理

2.1 導入數據

參考之前的文章，進行故障10分類的預處理，凱斯西儲大學軸承數據10分類數據集：

train_set、val_set、test_set 均為按照7：2：1劃分訓練集、驗證集、測試集，最后保存數據

上圖是數據的讀取形式以及預處理思路

2.2 數據預處理，制作數據集

3 基于Pytorch的GCN軸承故障診斷

3.1 定義GCN分類網絡模型

3.2 設置參數，訓練模型

50個epoch，準確率95%，用GCN網絡分類效果顯著，模型能夠充分提取軸承故障信號的全局空間和局部特征，收斂速度快，性能優越，精度高，效果明顯!

3.3 模型評估

準確率、精確率、召回率、F1 Score

故障十分類混淆矩陣：

本文轉載自 ??建模先鋒??，作者： 小蝸愛建模