一种基于物理信息神经网络的GIS设备外壳振动故障识别方法及系统

本发明公开了一种基于物理信息神经网络的GIS设备外壳振动故障识别方法及系统，涉及GIS故障诊断技术领域，包括：采集GIS外壳表面的振动加速度信号；建立振动系统的简化物理模型，确定振动系统的控制方程、初始条件及边界条件；基于HFT‑MPINN或RL‑PINN，构建参数反演模型；融合振动系统的物理约束损失、实验数据损失及多参数耦合损失，构建复合损失函数；利用振动加速度信号训练参数反演模型，得到振动系统的关键物理参数；结合时频域分析与有限元仿真验证，识别GIS设备外壳的机械故障类型及程度。本发明提升了高频振动信号的建模精度、噪声鲁棒性及多工况适应性，为GIS设备的智能故障诊断提供可靠技术支撑。