一种基于深度学习的设备异常声音检测方法

本发明公开了一种基于深度学习的设备异常声音检测方法。该方法采集设备运行过程中的声音数据以及振动、温度等异构数据，对多源异构数据进行预处理提取特征；将声音特征输入第一深度神经网络学习模式表示，异构特征输入第二网络学习模式表示，并将两者融合；融合特征输入第三深度神经网络进行时序建模得到异常检测分数；将实时数据输入训练好的模型，根据异常分数输出警报。该方法融合了多模态数据，设计了适配时频特征的网络结构，结合了多种训练策略，并提供可视化监控与反馈功能。相比现有技术，本发明方法具有更高的检测精度和智能化水平，能广泛应用于工业设备的故障预警，具有重要的理论价值和应用前景。