基于设备机理模型与GCN融合的风电设备故障诊断算法

本发明公开了一种基于设备机理模型与GCN融合的风电设备故障诊断算法，方法包括：使用Z‑Score标准化对原始数据集进行归一化处理，以消除同类故障样本之间振动信号幅值差异对网络训练的影响；利用K‑近邻算法构建拓扑图，通过挖掘振动信号中包含的关联信息，构建故障部位单模态拓扑图；针对不同部位的数据构建多模态拓扑图，利用图采样聚合算法将单模态图融合为节点；通过挖掘设备部件间的耦合关系生成路径图，并结合距离度量对各部件节点构建风电设备的多模态全局拓扑图；最后将构建的全局拓扑图输入GCN中进行风电故障诊断。通过实验验证本发明不仅能准确诊断风电设备故障，还能基于设备机理模型构建的全局拓扑图，在缺失故障部位信息情况下有效诊断故障。