基于深度学习设备故障诊断与预测方法

本发明涉及设备故障诊断技术领域，公开了基于深度学习设备故障诊断与预测方法，包括以下步骤：S1、通过安装在设备上的多种传感器实时采集多模态数据；S2、对采集的数据进行预处理；S3、构建混合深度学习模型；S4、利用注意力机制对不同模态数据的特征进行动态加权融合，生成综合特征表示；S5、使用标记的故障数据和正常数据对模型进行监督训练；S6、将实时采集的设备运行数据输入训练后的模型，判断设备状态；S7、基于模型的预测结果生成潜在故障预警信号。通过振动、温度、声音传感器在电机轴承部署压电振动传感器、红外热像仪，同步捕捉振动波形、热成像切片及时频图，全面反映设备机械磨损、温度异常等复合状态特征。