一种基于多模态数据的工业设备故障预测方法

本发明公开了一种基于多模态数据的工业设备故障预测方法，属于特定计算模型技术领域，包括：根据采集得到的工业设备运行的多模态数据，通过预处理以统一多模态数据格式，得到结构化数据；根据数据类别，对结构化数据一一提取特征，通过动态融合机制，得到一个多模态融合特征；根据多模态融合特征，通过深度神经网络模型，得到故障预测分类得分以进行故障预测；当多模态数据的漂移参数大于预设阈值时，通过实时采集的多模态数据，对深度神经网络模型进行增量训练，以更新深度神经网络模型参数。通过多模态数据统一处理、动态特征融合、深度神经网络建模及在线学习机制，解决了多模态数据融合不足、预测不确定性量化缺失及模型自适应性差等问题。