一种多模态跨注意力增强图神经网络的故障预测方法

本发明涉及故障预测技术领域，提出一种多模态跨注意力增强图神经网络的故障预测方法，包括：采集设备的数据；对图像数据执行自适应增强与归一化处理，对时序数值信号进行滑动窗口分割、标准化及噪声抑制，对维护日志文本执行语义向量化编码；使用剪枝后的轻量化卷积神经网络提取图像数据的低维空间特征，串联建模时序数值信号的时间序列特征，提取维护日志文本的上下文语义表达，并整合为多模态数据，交替以每一模态特征作为Query，其余模态特征作为Key和Value，计算注意力权重并加权融合；构建模态节点加权图，通过多层图注意力网络进行节点间特征传播；并行部署剩余使用寿命回归预测模块与退化等级分类模块，经多任务联合优化完成故障预警。