工业设备故障诊断方法、系统、计算机设备及存储介质

本发明提供了一种工业设备故障诊断方法、系统、计算机设备及存储介质，属于工业故障检测领域，本发明提出了一种基于多模态融合与注意力机制的卷积神经网络模型GTS‑AttCNN。该模型接收来自传感器采集的原始振动信号，分别从三个不同角度构建多模态特征输入：构建GAF图像来提取时序结构特征、构建STFT图来提取频域特征、保留原始时间序列以保留时域特征。将多模态特征输入GTS‑AttCNN中进行特征提取。模型在特征融合阶段引入注意力机制，对各模态特征进行加权融合，从而提升模型对关键故障特征的敏感性与诊断精度。相比于现有方法，本发明具有更高的识别精度与更强的泛化能力，能够广泛应用于轴承、电机、齿轮箱等复杂工业设备的故障诊断场景中。