基于图神经网络的齿轮箱健康评估方法和装置

本申请公开了一种基于图神经网络的齿轮箱健康评估方法和装置，涉及机械设备故障诊断领域。所述方法包括：从齿轮箱的振动信号中提取出在稳定的、能够表征设备状态的多维度特征，结合多维度特征进获取表征齿轮箱在健康阶段下最佳匹配的重构全局邻接矩阵，最后通过度量偏离健康特征空间的量化误差实现健康评估，能够直接衡量实时数据与理想健康状态之间的差异，为齿轮箱的性能退化跟踪和剩余使用寿命预测提供了可靠的评价模型。该方法通过对齿轮箱在健康阶段的振动信号进行无监督学习，发现齿轮箱健康阶段下的工作特征，根据与健康阶段的差异大小评估待测齿轮箱的健康状态，无需人工标注，从而提高了健康评估的泛化能力和准确性。