一种基于图神经网络的固体氧化物燃料电池系统多故障诊断模型的训练方法及故障诊断方法

摘要

本发明公开了一种基于图神经网络的固体氧化物燃料电池系统多故障诊断模型的训练方法及故障诊断方法，获取SOFC系统不同运行状态下的多源时序运行数据，得到数据集；运行状态包括正常状态、单故障状态和复合故障状态，数据集标注有运行状态标签；对数据集中的样本数据进行预处理，根据每个样本数据生成节点特征矩阵和对应的邻接矩阵，组成图结构数据集；构建依次包括多头图注意力层、残差图卷积层和全局池化分类层的图神经网络模型，然后将图结构数据集中的图结构数据作为输入，将对应的运行状态作为输出，对图神经网络模型进行训练，即得到训练好的多故障诊断模型，可用于SOFC系统的多故障解耦诊断，提升诊断准确性和实用性。

申请人共 1 家

• 1.华中科技大学

IPC 分类号共 7 项