一种基于大模型AGENT能力预测设备健康状态的方法及系统

本发明公开了一种基于大模型AGENT能力预测设备健康状态的方法及系统。该方法通过多模态传感器实时采集设备振动、温度、压力、电流等数据，并结合数字孪生仿真生成的虚拟数据，实现数据融合和自监督学习，从而提取设备运行特征，并计算出设备健康指数。本发明综合考虑健康指数及其变化率，实现对设备故障风险的动态评估，同时引入动态权重自适应更新机制，对模型参数进行在线优化，确保模型在长期运行中保持高精度预测。该系统能够广泛适用于各类异构设备，实现从数据采集、智能分析到风险预警的全流程闭环管理，为设备维护和预防性检修提供科学依据，从而降低设备故障率，延长设备使用寿命。