一种基于集成学习的复杂化工过程故障诊断方法

本发明公开了一种基于集成学习的复杂化工过程故障诊断方法。该方法通过采样获取控制变量信号和过程变量信号并上传云服务器，形成化工数据集；数据集经过预处理后，送入集成学习模型进行化工故障诊断。本发明的集成学习模型由基于统计学方法的主成分分析与贝叶斯结合算法、基于频域卷积神经网络算法和基于多时间序列空间结构的图神经网络算法构成。方法解决了单一算法模型仅对特定故障类型有效的问题，进而提高了在复杂化工过程中对多种故障诊断的准确率。