1.一種基于mdgcn的高爐煉鐵過程新型故障診斷方法，其特征在于，由離線訓(xùn)練階段和在線監(jiān)測階段組成；其中，
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟(1.2)中，基于歐幾里得的距離計算得到不同樣本矩陣xt的動態(tài)權(quán)重，具體如下：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟(1.2)中，不同樣本矩陣xt之間的動態(tài)關(guān)系通過權(quán)重矩陣m確定，在此基礎(chǔ)上提取過程數(shù)據(jù)的局部動態(tài)特征；在針對各組采樣數(shù)據(jù)計算權(quán)重矩陣m后，原有的樣本矩陣xt被更新為數(shù)據(jù)矩陣xt,d，
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟(1.2)中，高爐煉鐵生產(chǎn)過程的拓?fù)浣Y(jié)構(gòu)中存在著沒有實(shí)際觀察值的抽象節(jié)點(diǎn)，在構(gòu)造圖后會也會在圖中產(chǎn)生單元節(jié)點(diǎn)；定義零矩陣作為所有抽象節(jié)點(diǎn)的數(shù)據(jù)矩陣，將所有抽象節(jié)點(diǎn)的觀察值初始化為零，其中p表示抽象節(jié)點(diǎn)的數(shù)量；然后將包含動態(tài)特征的數(shù)據(jù)矩陣xt,d和代表抽象節(jié)點(diǎn)的特征矩陣o進(jìn)行水平拼接，得到特征矩陣xf,t；具體如下式所示：
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟(1.2)中，mdgcn模型的故障診斷是通過圖級多分類任務(wù)實(shí)現(xiàn)的，為滿足有監(jiān)督學(xué)習(xí)的要求，為每個特征矩陣xf,t在t時刻分配對應(yīng)的真實(shí)標(biāo)簽yt的值為從0到c的整數(shù)，用于表示高爐煉鐵系統(tǒng)的不同運(yùn)行狀態(tài)。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟(1.3)中構(gòu)造圖時，基于工藝流程內(nèi)容確定圖中各節(jié)點(diǎn)之間的邊，用于表示變量之間的關(guān)系；每個樣本矩陣對應(yīng)一張圖，所有的圖將在mdgcn模型運(yùn)行過程中用于圖級分類任務(wù)。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟(1.3)構(gòu)造的圖是無向圖，其鄰接矩陣a是一個對稱矩陣；步驟(1.2)中每個數(shù)據(jù)矩陣都對應(yīng)一張圖，每張圖的鄰接矩陣和度矩陣分別如下式所示：
8.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟(1.4)中，利用mdgcn模型通實(shí)現(xiàn)多通道圖神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，具體包括：
9.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟(1.4)中，利用mdgcn模型進(jìn)行多通道圖神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)時，在神經(jīng)網(wǎng)絡(luò)最后的前向傳播過程中，采用交叉熵?fù)p失函數(shù)進(jìn)行計算：
10.一種計算機(jī)設(shè)備，其特征在于，包括：至少一個處理器，以及與至少一個處理器通信連接的存儲器，其中，存儲器存儲有被至少一個處理器執(zhí)行的指令，指令被至少一個處理器執(zhí)行，以使所述至少一個處理器執(zhí)行權(quán)利要求1至9中任一項所述的基于mdgcn的高爐煉鐵過程新型故障診斷方法。
11.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)指令，所述的計算機(jī)指令用于使所述計算機(jī)執(zhí)行權(quán)利要求1至9中任一項所述的基于mdgcn的高爐煉鐵過程新型故障診斷方法。