一种基于深度学习的拉丝机运行状态评估方法及系统

本申请公开了一种基于深度学习的拉丝机运行状态评估方法及系统，涉及智能制造技术领域，该方法包括在拉丝机预设部位部署多源传感器，形成多维运行数据流；对多维运行数据流进行预处理，生成标准化时序数据集，构建融合时空特征的深度学习评估模型，基于标准化时序数据集训练深度学习评估模型，通过交叉熵损失函数优化模型参数，使模型学习正常工况与异常工况的特征差异，将实时采集的多维运行数据流输入训练完成的深度学习评估模型，生成动态评估报告。本发明提供的一种基于深度学习的拉丝机运行状态评估方法及系统，能够输出直观的运行状态评分，给出详细的故障类型概率分布，为设备维护决策提供了智能化支持。