一种基于LSTM与Transformer融合网络的旋转机械健康状态评估方法

本发明公开了一种基于LSTM与Transformer融合网络的旋转机械健康状态评估方法，涉及智能监测领域，包括如下步骤：采集旋转机械的故障数据并进行预处理，将预处理后的故障数据分为训练集和测试集；构建基于LSTM与Transformer的融合网络模型，对融合网络模型进行训练；使用训练好的融合网络模型对旋转机械的健康状态进行预测，输出旋转机械的健康度评分；通过对旋转机械的健康度评分预测值与实际采集的旋转机械健康状态数据进行对比分析，对融合网络模型进行重新训练和参数调整，提高预测精确度和稳定性。本发明结合LSTM和Transformer网络优势，确保特征提取的全面性与预测结果的可靠性，复杂工况下设备健康评估的高预测精度和鲁棒性，可有效提升工业设备运行监测的效率与稳定性。