摘要： 针对海洋环境中噪声多采用传统神经网络分析未充分利用数据中时间序列信息的缺陷，提出一种基于多头注意力机制时间卷积网络(Multi-head Attention Mechanism Time Convolutional Networks，MA-TCN)的导管架式海洋平台故障诊断方法。首先，该方法将原始振动信号直接作为模型输入，由时间卷积网络提取时间序列特征，通过残差结构和空洞卷积减轻网络训练时出现的梯度消失问题。随后，利用多头注意力机制为网络不同特征重新赋予权重，强调对故障诊断作用显著的特征信息。最后，将模型特征进行融合输出，实现对导管架式海洋平台的故障诊断。结合海试实验所模拟的11 种工作状态，对所建模型进行可行性验证，并与其他文献中提到的模型进行对比。结果表明，所建模型故障诊断正确率在95 %以上，比其他模型效果更好。

关键词: 故障诊断, 导管架平台, 深度学习, 时间卷积网络, 多头注意力