一种基于多尺度空洞变分图卷积网络的燃机状态识别方法

本申请涉及一种基于多尺度空洞变分图卷积网络的燃机状态识别方法，获取燃气轮机在故障工况下的工况数据，其中，工况数据中包括多种互相干扰且信息冗余的传感器信号；通过多尺度空洞变分图卷积模型，对工况数据进行多尺度的关联特征提取和编码，得到隐变量特征；以及，将隐变量特征解码为重构数据，并基于重构数据，应用预先训练完成的神经网络进行故障任务分类，得到与工况数据匹配的燃机状态。解决了在信息干扰下将不同部件的故障状态进行燃机状态识别的准确性差问题，在提高燃机系统运行鲁棒性和故障识别精度方面取得了显著的进展。