结合深度学习和阈值控制的垃圾焚烧设备预测性智能维护方法

本申请属于设备维护预测技术领域，涉及结合深度学习和阈值控制的垃圾焚烧设备预测性智能维护方法，在本发明中采用多模态特征提取技术，从时域、频域和空间多维度提取特征形成多模态特征张量，通过时空特征解耦技术，将多模态特征张量分解为趋势项和残差项，并通过图注意力机制分离局部和全局特征，得到解耦后的特征组，然后基于解耦后的特征组，利用双LSTM网络精准预测设备的剩余使用寿命及其置信区间，而通过Transformer模型对残差特征建模，预测设备的故障类型；再引入动态阈值优化，通过Actor‑Critic网络分别生成基础阈值并评估工况偏移对阈值的影响，实现阈值的动态调整，减少了传统静态阈值方法带来的误报或漏报问题，显著提高了维护决策的准确性。