一种结合数字孪生的多模态设备维检知识智能推荐系统

本发明公开了一种结合数字孪生的多模态设备维检知识智能推荐系统，属于设备维检技术领域；用于解决现有方案中推荐策略静态化以及边缘云端协同全局优化难以兼顾的技术问题；通过数字孪生驱动的多模态数据同步采集，融合注意力机制的长短时记忆网络模型通过衰减率偏差加权损失函数，基于互信息熵的强关联特征筛选与动态加权，利用时变特征矩阵捕捉设备状态随时间的演化规律；构建兼具物理实体关联精度和因果推理能力的知识图谱，实现从数据、特征、实体、因果、决策的全链路可解释性，边缘端高频响应‑云端全局优化‑联邦学习参数同步三层架构，可以解决工业设备维护中高频数据实时处理需求与全局知识图谱依赖的矛盾。