一种基于深度强化学习的数据流处理方法及系统

本发明公开了一种基于深度强化学习的数据流处理方法及系统，涉及工业物联网技术领域。包括有：S1：构建拓扑图神经网络，并通过多头图注意力机制，确定出设备拓扑特征的特征相似度权重，将源域和目标域的设备拓扑特征进行动态对齐；S2：通过深度强化学习模型设置主通道，通过时序对比元学习模型设置辅助通道，获取设备的健康度评估和故障模式特征；S3：根据所述健康度评估和故障模式特征，对数据流进行监测，并通过神经架构搜索模型，对网络结构进行重组。本发明解决了工业物联网中设备异构性带来的迁移学习难题，能够动态平衡物理距离、工艺耦合与特征相似性，提高源域模型在目标域的初始准确率，减少目标域所需的标注数据量。