专利交易市场

本发明涉及设备故障预测与诊断技术领域，公开了一种基于动态特征融合的设备故障预测与诊断方法及系统，包括采集多模态监测信号、预处理生成标准化时序数据流、通过局部细节感知网络和全局趋势捕捉网络提取特征向量、利用自适应特征融合模块生成综合特征向量，并通过分类决策网络输出运行状态类别及置信度评分。本发明能够有效融合多模态时序特征，动态调整特征权重，精准识别设备运行状态，提升故障预测与诊断的准确性和可靠性。

本发明提供一种轴承性能退化预测方法、系统、计算机及存储介质，方法包括：提取实验轴承全寿命数据的测试特征数据；构建初始SDAE模型，通过测试特征数据及与实验轴承全寿命数据对应的实验重构数据确定初始SDAE模型的最优网络层数、最优迭代次数及最优噪声系数，以获取最终SDAE模型；采集待测轴承的实时信号数据，提取振动信号数据的实际特征数据；将实际特征数据作为最终SDAE模型的输入值，以获取重构样本数据；构建FBLS网络模型，通过将重构样本数据作为输入值输入FBLS网络模型，以获取待测轴承的性能退化曲线。通过上述步骤，为机械运行过程中提供了一种高效、高精度的轴承性能退化预测方法。