一种基于深度学习的主氦风机故障诊断系统及方法

本发明提供了一种基于深度学习的主氦风机故障诊断系统及方法，属于主氦风机故障诊断技术领域，包括，融合振动、电流、温度等多源传感器数据，采用注意力机制卷积神经网络进行故障模式识别和根源定位；同时，引入健康指数预测模型和动态预警阈值，实现多级别实时预警；此外，通过在线学习和迁移学习技术，赋予诊断模型持续进化和快速部署能力。本发明集故障诊断、趋势预测、预警决策、自适应学习于一体，为主氦风机智能运维提供了新思路，在提高核电机组安全性、可靠性和经济性方面具有重要价值。