基于半监督学习的风机装配过程缺失数据填补方法

本发明涉及一种基于半监督学习的风机装配过程缺失数据填补方法，属于工业数据缺失修复技术领域。针对传统线性插值与监督学习难以处理风电装配多源异构数据缺失、动态工况适应性差及标注依赖高的技术问题，提出时空张量建模结合双向时空注意力网络的特征提取方法，构建三维时空张量量化数据可靠性；设计对抗域适应机制实现标注与无标注数据的特征空间对齐；采用动态置信门限策略筛选高可信样本并构建协同损失函数优化模型。技术效果包括：显著提升复杂工况下的数据填补精度与工艺符合性，降低标注数据需求并适配柔性生产，破解跨产线数据孤岛问题，优化实时修复效率，赋能装配质量追溯与工艺优化，为风电智能制造提供可靠数据支撑。