基于聚类引导图Transformer模型的复杂工业过程运行状态评价方法

一种基于聚类引导图Transformer模型的复杂工业过程运行状态评价方法，将离线时序数据转换为图结构表示；将图结构数据输入图卷积神经网络并利用聚类算法重构GCN信息传递方式，建立空间信息学习模块；使用GCN优化后的节点特征输入并训练Transformer网络模型，建立整体运行状态评价离线模型；使用在线数据进行运行状态评价；通过实时采样得到在线过程数据X，并对采集数据进行处理；利用滑动窗口对数据进行数据划分，得到长度为N的时间序列；将时间序列数据转换为图结构表示并输入到运行状态评价模型，得到在线数据状态等级的后验概率；利用归一指数函数对后验概率进行归一化，最大后验概率即为当前运行状态等级。该方法能够迅速且精准地评估工业过程的运行状态。