应用人工智能算法的空压机故障监测方法及系统

本申请实施例提供一种应用人工智能算法的空压机故障监测方法及系统，通过获取并分析多种模板空压机运行数据，有效识别并学习故障发生前后的行为模式。利用初始化的空压机故障监测网络，成功聚合了前向与后向故障学习模式矢量，从而生成了更具代表性的目标空压机运行数据。此外，通过图卷积处理单元精确计算关联度，进一步优化了故障监测网络的训练误差参数，提高了空压机故障监测网络的故障识别能力。经过循环训练直至达到收敛要求后，能够准确处理存在联动关系的候选空压机运行数据，生成聚合的前向与后向故障学习模式矢量，进而对目标候选空压机运行数据进行精确的故障分类，从而显著提升了空压机故障监测的准确性和效率。