基于图神经网络的分类故障检测方法

本发明公开了基于图神经网络的分类故障检测方法，输入时序数据，通过线性层将输入数据投影至所设维度，采用两层一维卷积神经网络提取时间特征，根据欧氏距离以半径动态生成邻接矩阵，基于邻接矩阵，在每一层图卷积中，对邻接节点特征进行空间聚合，并使用注意力机制以学习重要节点的权重，重复三层GATv2卷积，每层输出加入残差连接和归一化处理，最终得到空间聚合的节点特征表示，最后通过解码器将提取到的时空特征转换为分类结果，以检测故障；解决了现有技术无法胜任现代工业系统中的负责多源数据和多样化特征的问题，结合了记忆一维卷积神经网络和GNN的深度学习方法，能够同时提取时空特征，从而在故障检测的准确性上显著优于传统的统计学方法。