一种基于多传感融合的伺服电缆弯曲应力自适应预测方法

本发明涉及工业设备状态监测技术领域，提出一种基于多传感融合的伺服电缆弯曲应力预测方法。针对现有技术中数据维度单一、机器学习模型泛化能力差及实时性不足的问题，首先，通过部署多模态传感器，获取并预处理多源历史数据集。然后，构建神经网络融合层对预处理后的数据集进行融合，生成综合时频域融合数据。接着，构建可训练深度神经网络混合架构，对融合数据进行深度特征提取并执行模式关联分析，得到综合关联矩阵。最后，实时获取的新数据直接输入所述预测神经网络，结合综合关联矩阵进行时序预测推理，得到最终应力预测数据。该方法显著提高了伺服电缆弯曲应力预测的准确性，并增强了系统的自适应性和鲁棒性。