基于强化学习与特征耦合的旋转机械设备健康预警方法

本发明涉及机械设备健康预警技术领域，具体涉及基于强化学习与特征耦合的旋转机械设备健康预警方法，包括：S1：获取目标设备的实时运行数据；S2：将目标设备的实时运行数据输入训练好的特征提取模型进行特征提取，得到振动特征和声学特征；S3：通过动态耦合器利用注意力机制自适应调整振动特征和声学特征的融合权重进行加权融合，得到融合特征；S4：通过强化学习算法根据实时工况进行健康阈值更新，得到动态健康阈值；S5：将融合特征和动态健康阈值输入训练好的健康状态评估模型中，输出对应的设备健康等级，并匹配对应的设备维护策略。本发明的健康预警方法提高了旋转机械设备健康预警的准确性、可靠性和针对性。