基于多模态学习的飞行模拟器测试数据状态识别方法、系统及设备

本发明属于航空器仿真领域，具体涉及了一种基于多模态学习的飞行模拟器测试数据状态识别方法、系统及设备，旨在解决校验效率低、合规性差和设备风险难以全面识别的问题。本发明包括：采集时序运行曲线图像、标准文档文本及设备时间序列，经标准化处理后通过特征提取网络生成多维设备状态表征向量；解析标准文档构建结构化知识库提取初始允许偏差范围，融合环境参数利用健康状态决策树计算健康指数以自适应调整偏差区间上下限；结合状态分类模型输出的合规概率与动态偏差范围进行智能合规判定。本发明通过多模态数据分析、偏差范围优化与设备健康状态量化评估的协同决策，提升飞行模拟器测试验证的准确性与环境适应性。