---

文章概述

故障诊断模型 | 基于图卷积网络的轴承故障诊断

模型描述

针对基于图卷积网络（GCN）的故障诊断方法大多默认节点间的权重相同、导致诊断精度较低与鲁棒性较差的问题，提出了一种基于欧式距离和余弦距离的 GCN 故障诊断方法（EC-GCN）。

充分考虑节点间的数值特征和方向特征，利用欧式距离和余弦距离构建加权样本关联图。
利用 GCN 对样本关联图的故障特征进行提取。
将故障特征输入分类器进行分类识别

模型描述

传统GCN故障分类准确率不高

现有基于 GCN 的故障诊断方法使用的关联图，卷积时节点间边的权值是固定的，当 GCN 层 数加深时，每个节点的特征会十分相似，导致诊断精度较低。
提出一种基于欧式距离（ED）和余弦距离（CD）的 GCN 故障诊断方法（