1.一种基于加权水平可见图的旋转机械故障诊断方法，其特征在于：包括以下步骤：(1)根据传感信号建立相应的加权水平可见图；(2)构建图神经网络模型并对其进行训练；(3)将待诊断传感信号输入模型进行分类识别；其中，步骤(1)所述的根据传感信号建立相应的加权水平可见图包括：步骤A1，将采集的传感信号划分为长度为N的样本序列，即每个样本中包含N个采样点，构成数据集X＝{x 1 ,x 2 ,…,x [M/N] }，其中M为信号总长度，[·]为取整运算；步骤A2，将等比例的健康与不同类型故障的数据随机划分为训练集，验证集和测试集以供模型的训练与测试；步骤A3，使用Z-score标准化方法对原始传感信号样本x＝{x 1 ,x 2 ,…,x N }进行预处理得到标准化样本x znor ，其中mean(·)和std(·)分别为求均值操作符和求标准差操作符；步骤A4，使用加权水平可见图算法将预处理后的传感信号转换为有权图G，节点为采样点，节点初始特征为标准化的采样值；步骤(2)和步骤(3)所述的构建图神经网络模型及其训练，识别待诊断样本包括：步骤B1，构建图神经网络模型整体框架，包括聚合层，激活函数，归一化层，全局池化层，全连接分类模块；步骤B2，设置图神经网络参数，包括批处理大小，初始学习率，学习率衰减速率与倍数，优化器，聚合层层数K，隐层特征维数，早停耐心轮次p；步骤B3，将训练集图数据输入模型，进行训练与优化；步骤B4，以验证集识别精度为指标监督模型训练状态，若连续p个训练轮次都不再提升，则提前停止模型训练，以验证集识别精度最高时的模型为最优图神经网络模型；步骤B5，将测试集图数据输入步骤B4所述最优图神经网络模型进行测试。
2.根据权利要求1所述的一种基于加权水平可见图的旋转机械故障诊断方法，其特征在于：所述步骤A4中，使用加权水平可见图算法将标准化后的样本 转换为有权图G的具体步骤顺序如下：步骤A4-1，若 其中1≤i<n<j≤N，即 和 间的存在未被的打断的水平连接线，则两采样点间存在边；步骤A4-2，计算 和 间连接边的权重w ij ，若连接边存在，则：其中i，j为采样点所对应采样序号；否则w ij ＝0；步骤A4-3，若已完成所有采样点遍历，跳转至步骤A4-4；否则，继续遍历采样点，跳转至步骤A4-1；步骤A4-4，完成时序信号至所述有权图G的转换，所得图为加权水平可见图。
3.根据权利要求1所述的一种基于加权水平可见图的旋转机械故障诊断方法，其特征在于：所述步骤B1中，所述图神经网络模型的第k层聚合层为：其中 为节点v的第k层的隐层特征，节点u属于节点v的邻接节点集合N(v)， 和 为两个不同的线性变换函数，w vu 是节点v与节点u边e vu 的权重。
4.根据权利要求1所述的一种基于加权水平可见图的旋转机械故障诊断方法，其特征在于：所述步骤B1中，所述图神经网络的聚合层的非线性激活函数采用线性整流函数，归一化层采用批量归一化。
5.根据权利要求1所述的一种基于加权水平可见图的旋转机械故障诊断方法，其特征在于：所述步骤B1中，所述全局池化层为求和池化，即图整体特征为图中所有节点隐层特征之和：
6.根据权利要求1所述的一种基于加权水平可见图的旋转机械故障诊断方法，其特征在于：所述图神经网络损失函数采用负对数似然函数：L(y G )＝-log(y G ) (5)其中y G 为诊断故障类型的标签。
