一种基于人工智能与分形维数的固液两相流磨损预测方法及预测系统

本发明提供了一种基于人工智能与分形维数的固液两相流磨损预测方法及预测系统，属于设备状态监测技术领域。该方法通过振动、超声波等多模态非侵入式传感器采集设备内颗粒动态信号；对多源信号进行融合处理生成特征向量；利用预训练的模型预测表征颗粒团聚结构复杂度的分形维数；通过三层递进式筛选策略确定最优磨损关联模型，将转换为实时磨损率；根据磨损率所在区间与持续时间，触发分级预警并联动控制设备。本发明实现了全金属结构设备内部磨损状态的实时、在线、量化评估与智能运维，突破了传统光学监测对透明视窗的依赖，具有抗干扰性强、适用性广、预测精度高的优点。