一种基于机器学习的工业设备故障诊断方法、设备及介质

本申请公开了一种基于机器学习的工业设备故障诊断方法、设备及介质，其中方法包括：采集目标设备的运行数据，并对所行数据进行预处理，以得到监测数据；确定预先经过训练的故障诊断模型，故障诊断模型为改进的图神经网络模型，改进的图神经网络模型的输入层采用模糊推理机制；将监测数据输入至故障诊断模型中，以确定目标设备的设备状态及故障类型。通过使用图神经网络，能够充分挖掘和利用样本间的拓扑结构关系，特别适用于处理来自多源传感器的复杂数据，能够捕捉节点之间的相互依赖性，从而提高诊断的准确性。在图神经网络的输入层采用模糊推理机制，用于处理数据中的不确定性，可以根据数据的模糊性进行调整，提高对不确定数据的处理能力。