一种工业故障特征自适应提取与多模态检测的系统及方法

本发明提供了一种工业故障特征自适应提取与多模态检测的系统及方法，属于工业故障检测技术领域。包括：采集工业设备的多源数据，随后对其进行时间戳对齐，处理得到标准化特征序列，将其输入动态卷积神经网络，通过可变形卷积核提取信号局部特征，结合自注意力机制计算特征权重并筛选特征通道，得到各模态的特征向量；随后构建以模态为节点、相关性为边的图结构，通过图注意力网络聚合跨模态特征，生成融合时空信息的全局状态描述符；通过双向LSTM网络对全局状态描述符进行时序建模，输出故障类型概率分布，完成工业设备故障的检测。本发明解决了传统工业故障检测中单一模态信息不足、特征提取固定、多模态关联建模低效及模型更新滞后的问题。