基于标识解析的多模态数据融合方法及系统

本发明涉及数据融合匹配技术领域，具体涉及基于标识解析的多模态数据融合方法及系统。该方法包括将实时的运行数据以及运行图像输入训练好的神经网络，得到设备状态类型。神经网络的训练过程为：对历史故障事件的每种运行数据进行异常识别，确定数据异常系数；根据历史故障事件的每个视角下运行图像中的异常面积变化，确定图像异常系数；基于数据异常系数和图像异常系数，匹配运行数据和运行图像得到异常融合组，确定异常融合组的迟滞因子；根据异常融合组和对应的迟滞因子，训练神经网络。本发明通过为每种运行数据和运行图像融合关联起来，通过融合后的数据训练神经网络，可以对故障进行更高精度的识别。