一种工业设备预测性维护方法及系统

本申请公开了一种工业设备预测性维护方法及系统，包括以下步骤：步骤S1：通过部署在设备关键部位的传感器，实时采集振动、温度、压力等运行数据；步骤S2：利用BiLSTM提取时序数据局部特征，经时频域注意力机制加权，增强冲击性故障及时频特征；步骤S3：通过Transformer编码模块融合多源特征，结合设备物理距离矩阵建立全局关联，输出故障类型、概率及剩余寿命；步骤S4：基于JS散度检测数据分布漂移，触发增量学习更新模型，结合数字孪生误差监控保障适应性。通过BiLSTM提取局部特征结合时频域注意力机制，增强冲击性故障及时频特征捕捉，Transformer融合多源数据并关联设备物理关系，实现故障类型、概率及剩余寿命的精准输出，突破单一模型局限。