Page 105 - 《振动工程学报》2026年第5期

第 5 期 郭海宇，等：一种结合 shapelets 和模式距离的图注意力网络旋转机械故障诊断 1309

神经网络的邻居节点聚合过程中，如图 3 所示，通过   ∑  
′    ( )   （14）
h = σ α ij Wh j  
i
图注意力层学习获得各个邻居节点特征的权重，从   
u j ∈N(u i )
而在聚合邻居节点时对邻居节点特征进行加权求和。 式中， h 为节点 新的特征向量； σ为激活函数，常使
′
i u i
用 ReLU 函数。

GAT 可以使用多头注意力机制来让模型同时关
Wh i 注输入的不同部分，如图 4 所示，R 个独立的注意力
机制分别计算注意力权重并输出特征，然后将每个
注意力机制获得的特征通过拼接操作 h 或者平均操
′
i1
α ij
′
Softmax 作 h 得到其输出特征表示，分别如下式所示：
i2
 
R  ∑ 

′  r ( r )  （15）
Wh j  
h = ∥ σ   a E h j   
i1
ij
a r=1 u j ∈N(u i )
 
R
 1 
 ∑ ∑
( )
′   r ′   （16）
h = σ  a E h j  
i2
ij
图 3 GAT 注意力机制  R 
r=1 u j ∈N (u i )
Fig. 3 GAT attention mechanism r
式中，R 为注意力头的数量； ||表示拼接操作； a 为第
ij
GAT 中的图注意力层的输入 h 和输出 h'是一系 r 个注意机制计算的归一化注意系数， E 为其相应的
r
列节点的特征向量，可分别表示为： 输入线性变换的权矩阵。
h = {h 1 , h 2 ,··· , h M }, h i ∈ R F （9）
{ } F ′ h 2
′
′
′
h = h , h ,··· , h ′ , h ∈ R （10）
′
1 2 M i
a 11
式中，M 为节点数；F 和 F'分别为图注意层的输入和
a
输出节点的特征数。 h 3 12
拼接/平均
假设中心节点为 u i ，其邻居节点为 u j 。首先对每 a 13 h 1 ′
h 1
′
个节点都应用一个共同的权重矩阵（ W ∈ R F ×F ）作线
性变换，之后对节点执行一个共享的注意力机制： h 4 a 14
a 15
R ×R → R，注意力系数为：
F
′
F
′
h 5
(
)
e i j = a Wh i ,Wh j ,e ik = a(Wh i ,Wh k ) （11）
( ) 图 4 多头注意力机制
( ) exp e i j
α i j = softmax e i j = （12）
j ∑ Fig. 4 Multi-head attention mechanism
exp(e ik )
u k ∈N(u i )
式中，u k 为节点 u i 的任一邻居节点； h i 、 h j 和 h k 分别
2 网 络 模 型 结 构
为节点 u i 、u j 和 u k 的特征向量； N (u i )表示节点 u i 邻居

节点的集合； e ij 和 e ik 分别为节点 u i 与节点 u j 和节点
2.1 SP-GAT 网络模型结构
u k 之间的注意力系数； α ij 为经过归一化后的注意力
系数，表示节点 u j 的特征对节点 u i 特征的重要程度。 本节详细介绍故障诊断网络模型结构，包括提
注意力机制 a是一个单层前馈神经网络，由权重 取 shapelets 特征序列、构建 KNN 图模型、通过图注
向量 a ∈ R 2F ′ 参数化，并利用 LeakyReLU 激活函数进 意力层和 TopKPooling 池化层提取特征信息等方法
行非线性化，充分展开后，注意力机制计算出的系数 实现故障诊断。所提 SP-GAT 网络模型结构的总体
（如图 3 所示）可以表示为： 流程如图 5 所示。

( ( ( )))
T
exp L a Wh i ,Wh j
α ij = （13） 2.2 KNN 图模型的构建
∑ ( ( ))
T
exp L a (Wh i ,Wh k )
u k ∈N(u i ) 振动信号存在连续性和周期性的特点，信号之
式中，上标“T”表示转置； L(·)表示 LeakyReLU 激活 间有着复杂的相关性，可以采用建立以分段信号为
函数。 节点的 KNN 图模型的方法来揭示信号之间的这种
接下来，通过归一化的注意力系数计算出与之 相 关 性， 深 入 发 掘 信 号 间 的 特 征 关 联 信 息 。 构 建
对应的特征的线性组合，作为每个节点的最终输出 KNN 图模型的关键是将各个信号样本之间通过边
特征： 相连，利用连边体现信号之间复杂的结构和关系。