一种动态图卷积与迁移学习的新能源多模态故障诊断方法

本发明公开一种动态图卷积与迁移学习的新能源多模态故障诊断方法。该方法通过部署多类型传感器采集新能源设备运行、环境和历史数据，经预处理生成多模态数据集。将设备组件定义为图节点，利用动态时间规整和注意力机制构建含时变边权重的有向图，并在线更新图结构。采用双分支动态图卷积网络提取多模态数据特征，结合对抗迁移学习与元学习算法，对齐源域和目标域分布，利用小样本生成专用诊断模型。并进行故障分类，结合图节点注意力权重定位故障组件，融合故障预测概率与注意力权重变化率构建故障演化指标。该方法有效融合多模态数据，适应复杂工况，提升小样本诊断精度，实现故障精准定位与演化预测，对保障新能源设备稳定运行具有重要意义。