称重传感器故障时间预测方法、装置、设备及存储介质

本申请涉及时间预测技术领域，公开了一种称重传感器故障时间预测方法、装置、设备及存储介质，包括：将当前称重传感器的工作状态数据输入至故障检测模型中，得到候选故障特征；通过当前称重传感器的历史负载曲线获取负载波动数据，并对负载波动数据和候选故障特征进行预处理，得到负载特征和故障特征；基于混合卷积神经网络对负载特征和故障特征进行时序特征提取，得到负载时序特征和故障时序特征；将负载时序特征和故障时序特征输入到故障时间预测模型中，对当前称重传感器的故障时间进行预测。利用混合卷积网络捕捉负载与故障的长短期关联，避免依赖单一特征，提升预测的实时性与准确性，实现端到端的故障时间预测，适用于高波动工业场景。