一种基于深度学习的工业设备多模态故障预测方法及系统

本申请涉及设备故障预测技术领域，具体提供了一种基于深度学习的工业设备多模态故障预测方法及系统，该方法包括步骤：S1、获取工业设备的当前设备运行数据和多模态数据，然后利用预先训练的运行状态识别模型根据当前设备运行数据获取设备当前运行状态；S2、根据设备当前运行状态确定多模态数据中各模态数据对应的第一融合权重；S3、根据所有第一融合权重对多模态数据进行融合，以得到融合数据；S4、基于融合数据进行故障预测，并在预测到存在故障时，生成故障参数信息；该方法能够适应设备运行状态变化和充分利用不同模态数据在特定状态下的优势信息。