基于图神经网络和多任务学习的物联感知装置可靠度评估方法

本发明公开了一种基于图神经网络和多任务学习的物联感知装置可靠度评估方法，具体包括以下步骤：数据收集与预处理；多层级模型设计，评估多层级模型可靠度，多层级模型设计包括传感器层级设计、元器件层级设计、板卡层级设计和整机层级设计；多层级网络融合；通过粒子群优化多层级模型参数，提升可靠度评估性能。本发明通过构建多层级的全量映射关系，提升各层级间可靠度评估的精度，并准确预测设备的整体故障趋势，进而增强整体系统的稳定性，尤其在复杂电磁环境与环境应力下，设备可靠度得到更精准的评估；对于数字换流站的运维管理至关重要，能够提前识别潜在故障，优化维护计划，避免突发故障带来的停运和经济损失。