(19)國(guó)家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利(10)授權(quán)公告號(hào)CN114581261B(65)同一申請(qǐng)的已公布的文獻(xiàn)號(hào)(73)專利權(quán)人中國(guó)電力科學(xué)研究院有限公司15號(hào)國(guó)網(wǎng)天津市電力公司電力科學(xué)研究院國(guó)家電網(wǎng)有限公司鄭渠岸賀春劉力卿(74)專利代理機(jī)構(gòu)北京中巡通大知識(shí)產(chǎn)權(quán)代理有限公司11703專利代理師文驪鵑審查員程維高本發(fā)明公開(kāi)了一種基于快速圖計(jì)算的故障運(yùn)檢領(lǐng)域知識(shí)圖譜圖中的節(jié)點(diǎn)進(jìn)行聚類，生成圖的節(jié)點(diǎn)組序列；根據(jù)所述圖的節(jié)點(diǎn)組序列確定多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示矩陣，構(gòu)建多尺度圖神經(jīng)網(wǎng)絡(luò)；將所述圖的節(jié)點(diǎn)組序列輸入到多尺度圖神經(jīng)網(wǎng)絡(luò)中，完成快速圖神經(jīng)網(wǎng)絡(luò)的計(jì)算，得多尺度圖神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果，完成21.一種基于快速圖計(jì)算的故障診斷方法，其特征對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中的節(jié)點(diǎn)進(jìn)行聚類，生成圖的節(jié)點(diǎn)組序列；根據(jù)所述圖的節(jié)點(diǎn)組序列確定多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示矩陣，構(gòu)建多尺度圖神經(jīng)網(wǎng)絡(luò)；將所述圖的節(jié)點(diǎn)組序列輸入到多尺度圖神經(jīng)網(wǎng)絡(luò)中，得所述電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中電力設(shè)備的故障類型；所述對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中的節(jié)點(diǎn)進(jìn)行聚類，生成圖的節(jié)點(diǎn)組序列的具體過(guò)程通過(guò)聚類算法對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖G中的節(jié)點(diǎn)進(jìn)行聚類，生成圖的節(jié)點(diǎn)組序列所述根據(jù)所述圖的節(jié)點(diǎn)組序列確定多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示矩陣，構(gòu)建多尺度圖神經(jīng)網(wǎng)絡(luò)的具體過(guò)程為：對(duì)所述圖的節(jié)點(diǎn)組序列中的各節(jié)點(diǎn)組進(jìn)行向量表示，通過(guò)各節(jié)點(diǎn)組的向量表示組成該節(jié)點(diǎn)組的表示矩陣；將各節(jié)點(diǎn)組的表示矩陣分別作為多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示矩陣，構(gòu)建多尺度圖神經(jīng)網(wǎng)絡(luò)。2.根據(jù)權(quán)利要求1所述的基于快速圖計(jì)算的故障診斷方法，其特征在于，所述將各節(jié)點(diǎn)組的表示矩陣分別作為多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示矩陣之前還包括：通過(guò)各節(jié)點(diǎn)組的表示矩陣的特征值舍棄該表示矩陣中的高頻精細(xì)信息。3.根據(jù)權(quán)利要求1所述的基于快速圖計(jì)算的故障診斷方法，其特征在于，所述多尺度圖神經(jīng)網(wǎng)絡(luò)表示為：其中，①;為第j個(gè)池化層的大小為N+1×N的稀疏表示矩陣，X"為大小為N;×d的輸入特征矩陣，X“為大小為N;+1×d的輸出特征矩陣，K為多尺度圖神經(jīng)網(wǎng)絡(luò)中池化層的數(shù)目。4.根據(jù)權(quán)利要求1所述的基于快速圖計(jì)算的故障診斷方法，其特征在于，所述將圖的節(jié)點(diǎn)組序列輸入到多尺度圖神經(jīng)網(wǎng)絡(luò)中，得多尺度圖神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果的過(guò)程中，通過(guò)各池化層對(duì)圖的節(jié)點(diǎn)組序列進(jìn)行池化，對(duì)各池化層的輸出結(jié)果進(jìn)行聚合，將聚合結(jié)果傳至讀出操作及多層感知機(jī)中。5.一種基于快速圖計(jì)算的故障診斷系統(tǒng)，其特征聚類模塊(1),用于對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中的節(jié)點(diǎn)進(jìn)行聚類，生成圖的節(jié)點(diǎn)組序確定模塊(2),用于根據(jù)所述圖的節(jié)點(diǎn)組序列確定多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示矩陣，構(gòu)建多尺度圖神經(jīng)網(wǎng)絡(luò)；計(jì)算模塊(3),用于將所述圖的節(jié)點(diǎn)組序列輸入到多尺度圖神經(jīng)網(wǎng)絡(luò)中，得所述電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中電力設(shè)備的故障類型；所述確定模塊(2)包括：數(shù)據(jù)處理模塊(21),用于對(duì)所述圖的節(jié)點(diǎn)組序列中的各節(jié)點(diǎn)組進(jìn)行向量表示，通過(guò)各節(jié)點(diǎn)組的向量表示組成該節(jié)點(diǎn)組的表示矩陣；3構(gòu)建模塊(22),用于將各節(jié)點(diǎn)組的表示矩陣分別作為多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示矩陣，構(gòu)建多尺度圖神經(jīng)網(wǎng)絡(luò)；所述對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中的節(jié)點(diǎn)進(jìn)行聚類，生成圖的節(jié)點(diǎn)組序列的具體過(guò)程通過(guò)聚類算法對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖G中的節(jié)點(diǎn)進(jìn)行聚類，生成圖的節(jié)點(diǎn)組序列6.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至4任一項(xiàng)所述基于快速圖計(jì)算的故障診斷方法的步驟。7.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至4任一項(xiàng)所述基于快速圖計(jì)算的故障診斷方法的步驟。4基于快速圖計(jì)算的故障診斷方法、系統(tǒng)、設(shè)備及存儲(chǔ)介質(zhì)技術(shù)領(lǐng)域[0001]本發(fā)明屬于深度學(xué)習(xí)技術(shù)領(lǐng)域，涉及一種基于快速圖計(jì)算的故障診斷方法、系統(tǒng)、設(shè)備及存儲(chǔ)介質(zhì)。背景技術(shù)[0002]在對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中電力設(shè)備故障類型診斷時(shí)，現(xiàn)有技術(shù)一般采用圖神經(jīng)網(wǎng)絡(luò)進(jìn)行診斷，在構(gòu)建用于圖分類和回歸問(wèn)題的圖神經(jīng)網(wǎng)絡(luò)模型時(shí)，圖的池化是至關(guān)重要的一步，因?yàn)閷?duì)于尺寸和拓?fù)浣Y(jié)構(gòu)都在不斷變化的圖結(jié)構(gòu)輸入來(lái)說(shuō)，更需要的是圖層級(jí)的統(tǒng)一表示而不是節(jié)點(diǎn)層的統(tǒng)一表示。由圖卷積層提供的最直接的池化方法，是將節(jié)點(diǎn)特征的全局平均值與總和作為一個(gè)簡(jiǎn)單的圖層級(jí)表示。這種池化操作對(duì)所有的節(jié)點(diǎn)一視同仁，并且使用圖的全局幾何信息。然而，上述全局池化方法沒(méi)有使用圖的層次結(jié)構(gòu)，遺漏了圖結(jié)構(gòu)數(shù)據(jù)中可能會(huì)帶有的有效幾何信息。[0003]值得注意的是，如果可以構(gòu)建一個(gè)含有可學(xué)習(xí)操作或參數(shù)的、可微分的、數(shù)據(jù)依賴的池化層，就能為圖分類問(wèn)題帶來(lái)實(shí)質(zhì)性的提升。對(duì)此，基于譜的池化方法提出了另一種設(shè)計(jì)模式，可以在傅里葉域或小波域等的頻域中進(jìn)行圖的池化操作。就其本質(zhì)而言，基于譜的池化方法可將圖結(jié)構(gòu)和節(jié)點(diǎn)信息合并，但其潛在缺陷在于計(jì)算效率與精度上的瓶頸，從而導(dǎo)致不能高效率、準(zhǔn)確的對(duì)電力設(shè)備故障的類型進(jìn)行診斷。發(fā)明內(nèi)容[0004]本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺點(diǎn)，提供了一種基于快速圖計(jì)算的故障力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中電力設(shè)備的故障類型進(jìn)行診斷。[0005]的計(jì)算效率及計(jì)算精度較高。[0007]本發(fā)明一方面，本發(fā)明提供了一種基于快速圖計(jì)算的故障診斷方法，[0008]對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中的節(jié)點(diǎn)進(jìn)行聚類，生成圖的節(jié)點(diǎn)組序列；[0009]根據(jù)所述圖的節(jié)點(diǎn)組序列確定多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示矩陣，構(gòu)建多尺度圖神經(jīng)網(wǎng)絡(luò)；[0010]將所述圖的節(jié)點(diǎn)組序列輸入到多尺度圖神經(jīng)網(wǎng)絡(luò)中，完成快速圖神經(jīng)網(wǎng)絡(luò)的計(jì)算，得所述電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中電力設(shè)備的故障類型。[0011]本發(fā)明所述基于快速圖計(jì)算的故障診斷方法進(jìn)一步的改進(jìn)在于：[0012]所述對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中的節(jié)點(diǎn)進(jìn)行聚類，生成圖的節(jié)點(diǎn)組序列的具體過(guò)程為：[0013]通過(guò)聚類算法對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖G中的節(jié)點(diǎn)進(jìn)行聚類，生成圖的節(jié)點(diǎn)組[0014]所述根據(jù)所述圖的節(jié)點(diǎn)組序列確定多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示矩5[0016]將各節(jié)點(diǎn)組的表示矩陣分別作為多尺度圖神經(jīng)網(wǎng)絡(luò)中[0017]所述將各節(jié)點(diǎn)組的表示矩陣分別作為多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示算機(jī)程序時(shí)實(shí)現(xiàn)所述基于快速圖計(jì)算的故障診斷方法的步驟。6作時(shí)，根據(jù)圖的節(jié)點(diǎn)組序列確定多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示矩陣，基于稀疏表示的方式，在過(guò)濾精細(xì)信息的同時(shí)保留電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖的結(jié)構(gòu)信息，以解決傳統(tǒng)圖神經(jīng)網(wǎng)絡(luò)計(jì)算效率過(guò)低的問(wèn)題，同時(shí)本發(fā)明基于各池化層的稀疏表示矩陣構(gòu)建多尺度圖神經(jīng)網(wǎng)絡(luò)，層次化的將圖中不同尺寸的集合拓?fù)湫畔⑾嘟Y(jié)合，解決傳統(tǒng)圖神經(jīng)網(wǎng)絡(luò)計(jì)算精度較低的問(wèn)題，實(shí)現(xiàn)精確、高效率的對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中電力設(shè)備故障類型進(jìn)行診斷的目的。附圖說(shuō)明[0036]構(gòu)成本發(fā)明的一部分的說(shuō)明書(shū)附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：[0037]圖1為本發(fā)明的方法流程圖；[0038]圖2為池化層的處理流程圖；[0039]圖3為多尺度圖神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖；[0040]圖4為本發(fā)明的系統(tǒng)結(jié)構(gòu)圖。具體實(shí)施方式[0041]為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分的實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范[0042]需要說(shuō)明的是，本發(fā)明的說(shuō)明書(shū)和權(quán)利要求書(shū)及上述附圖中的術(shù)語(yǔ)“第一”、“第二”等是用于區(qū)別類似的對(duì)象，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的本發(fā)明的實(shí)施例能夠以除了在這里圖示或清楚地列出的那些步驟或單元，而是可包括沒(méi)有清楚地列出的或?qū)τ谶@些過(guò)程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。[0043]下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)描述：[0044]實(shí)施例一[0045]參考圖1,本發(fā)明所述的基于快速圖計(jì)算的故障診斷方法包括：[0046]1)獲取電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖的結(jié)構(gòu)數(shù)據(jù)，對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中的節(jié)點(diǎn)進(jìn)行聚類，生成圖的節(jié)點(diǎn)組序列；[0047]具體的，對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖G中的節(jié)點(diǎn)，通過(guò)聚類算法生成圖的節(jié)點(diǎn)組序在N;>Nj+1。使用聚類算法對(duì)圖結(jié)構(gòu)數(shù)據(jù)特征進(jìn)行分析，生成圖的節(jié)點(diǎn)組序列(G?,G?,...,[0048]需要說(shuō)明的是，例如，在電力運(yùn)檢領(lǐng)域，所述聚類算法可以采用spectral7clustering(Shi&Malik,2000),k-meansclustering(Pakhira,2014),DBSCAN(Esteretal.,1996),OPTICS(Ankerstetal.,1999)和MET可采用電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖數(shù)據(jù)自帶的聚類結(jié)構(gòu)信息。[0049]電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中包含電力設(shè)備常見(jiàn)故障缺陷的數(shù)據(jù)，根據(jù)現(xiàn)行的標(biāo)準(zhǔn)及定義，知識(shí)圖譜中的實(shí)體存在從屬關(guān)系，無(wú)需聚類算法也可以自然形成層次結(jié)構(gòu)。例如絕緣子類包含瓷質(zhì)絕緣子、玻璃絕緣子及復(fù)合絕緣子等，而瓷質(zhì)絕緣子又包含瓷質(zhì)絕緣子污穢、瓷質(zhì)絕緣子自爆及瓷質(zhì)絕緣子零值等，根據(jù)缺陷程度不同還可繼續(xù)向下劃分。[0050]2)對(duì)所述圖的節(jié)點(diǎn)組序列中的各節(jié)點(diǎn)組進(jìn)行向量表示，通過(guò)各節(jié)點(diǎn)組的向量表示組成該節(jié)點(diǎn)組的表示矩陣；從圖G;中的N;個(gè)節(jié)點(diǎn)中選擇并聚類生成的，因此圖G,中的每個(gè)節(jié)點(diǎn)都可以表示為一個(gè)大小為N;+1的向量，所述N;個(gè)向量可以組成大小為N;+1×N的稀疏表示，即第j個(gè)池化層的稀疏表示矩陣①;。[0052]需要說(shuō)明的是，本發(fā)明通過(guò)譜圖變換計(jì)算特征值，該特征值作為圖結(jié)構(gòu)數(shù)據(jù)的表示矩陣Φ,表示矩陣Φ具有正交性及參數(shù)可學(xué)習(xí)性，且通過(guò)特征值表示不同頻率的信息，通過(guò)表示矩陣①的特征值舍棄其中的高頻精細(xì)信息，得稀疏表示矩陣①;[0054]譜圖的傅里葉變換與傳統(tǒng)傅里葉變換類似，但需要在圖結(jié)構(gòu)數(shù)據(jù)上找到對(duì)應(yīng)的傅里葉基與拉普拉斯矩陣，其中，拉普拉斯矩陣L=D-A由圖的度數(shù)矩陣D以及鄰接矩陣A計(jì)算得到；參考圖2,對(duì)于任意的信號(hào)x,譜圖傅里葉變換為：[0056]其中，Φ=[φ1,..,、]為L(zhǎng)的特征向量，L=①A①,×為信號(hào)x在第k個(gè)傅里葉基上的傅里葉系數(shù)，其本質(zhì)是信號(hào)在傅里葉基上的投影，通過(guò)圖信號(hào)的頻率定義，傅里葉系數(shù)可以反映圖信號(hào)在不同頻率分量上的強(qiáng)度，為后續(xù)過(guò)濾提供條件。[0057]3)將各節(jié)點(diǎn)組的表示矩陣分別作為多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示矩[0058]具體的，參考圖3,將圖的節(jié)點(diǎn)組序列(G?,G?,...,G)作為輸入，輸入到多尺度圖神經(jīng)網(wǎng)絡(luò)中，利用多尺度圖神經(jīng)網(wǎng)絡(luò)中的池化層進(jìn)行池化，得池化后對(duì)應(yīng)的粗化圖(Go,G?“,……,GR-1),粗化圖的一個(gè)節(jié)點(diǎn)為粗化前的一個(gè)節(jié)點(diǎn)組聚類，因此粗化圖的節(jié)點(diǎn)數(shù)相對(duì)減少，并且僅能反映近似特征信息，最終的池化層結(jié)果由一個(gè)節(jié)點(diǎn)構(gòu)成，該節(jié)點(diǎn)包含前[0059]需要說(shuō)明的是，本發(fā)明將各池化層的輸出結(jié)果進(jìn)行聚合，再傳至讀出操作及多層感知機(jī)，從而保留圖結(jié)構(gòu)數(shù)據(jù)在各層次上的特征信息，使得最終的圖表示結(jié)果包含不同層的節(jié)點(diǎn)信息總和，解決傳統(tǒng)圖神經(jīng)網(wǎng)絡(luò)精度不足的問(wèn)題。[0060]4)將所述圖的節(jié)點(diǎn)組序列輸入到多尺度圖神經(jīng)網(wǎng)絡(luò)中，完成快速圖神經(jīng)網(wǎng)絡(luò)的計(jì)算，得所述電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中電力設(shè)備的故障類型。[0061]實(shí)施例二8[0062]參考圖4,本發(fā)明所述的基于快速圖計(jì)算的故障診斷系統(tǒng)，包括：[0063]聚類模塊1,用于對(duì)電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中的節(jié)點(diǎn)進(jìn)行聚類，生成圖的節(jié)點(diǎn)組[0064]確定模塊2,用于根據(jù)所述圖的節(jié)點(diǎn)組序列確定多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示矩陣，構(gòu)建多尺度圖神經(jīng)網(wǎng)絡(luò)；[0065]計(jì)算模塊3,用于將所述圖的節(jié)點(diǎn)組序列輸入到多尺度圖神經(jīng)網(wǎng)絡(luò)中，得所述電力運(yùn)檢領(lǐng)域知識(shí)圖譜圖中電力設(shè)備的故障類型。[0067]數(shù)據(jù)處理模塊21,用于對(duì)所述圖的節(jié)點(diǎn)組序列中的各節(jié)點(diǎn)組進(jìn)行向量表示，通過(guò)各節(jié)點(diǎn)組的向量表示組成該節(jié)點(diǎn)組的表示矩陣；[0068]構(gòu)建模塊22,用于第二將各節(jié)點(diǎn)組的表示矩陣分別作為多尺度圖神經(jīng)網(wǎng)絡(luò)中各池化層的稀疏表示矩陣，構(gòu)建多尺度圖神經(jīng)網(wǎng)絡(luò)。[0070]一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)所述基于快速圖計(jì)算的故障診斷方法的步驟，其中，所述存儲(chǔ)器可能包含內(nèi)存，例如高速隨機(jī)存儲(chǔ)器，也可能還包括相連接，該內(nèi)部總線可以是工業(yè)標(biāo)準(zhǔn)體系結(jié)構(gòu)總線、外設(shè)部件互連標(biāo)準(zhǔn)總線、擴(kuò)展工業(yè)標(biāo)準(zhǔn)結(jié)構(gòu)總線等，總線可以分為地址總線、數(shù)據(jù)總線、控制總線等。存儲(chǔ)器用于存放程序，具體地，程序可以包括程序代碼、所述程序代碼包括計(jì)算機(jī)操作指令。存儲(chǔ)器可以包括內(nèi)存和非易失性存儲(chǔ)器，并向處理器提供指令和數(shù)據(jù)。[0072]一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述基于快速圖計(jì)算的故障診斷方法的步驟，具體地，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)包括但不限于例如易失性存儲(chǔ)器和/或非易失性存儲(chǔ)器。所述易失性存儲(chǔ)器可以包括隨機(jī)存儲(chǔ)存儲(chǔ)器(RAM)和/或高速緩沖存儲(chǔ)器(cache)等。所述非易失性存[0073]本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本申請(qǐng)的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本申請(qǐng)可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本申請(qǐng)可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤(pán)存儲(chǔ)器、CD-ROM、光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。[0074]本申請(qǐng)是參照根據(jù)本申請(qǐng)實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來(lái)描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計(jì)算機(jī)程序指令到通