基于时空特征注意力的RH真空劣化故障预警方法及系统

本发明提供了一种基于时空特征注意力的RH真空劣化故障预警方法及系统，包括：通过检测装置获取RH抽真空数据，并对所述RH抽真空数据进行预处理；根据预处理后的RH抽真空数据构造时序数据集；构建基于注意力机制和双向长短期记忆神经网络的RH真空度预测模型，并训练所述RH真空度预测模型；通过训练好的RH真空度预测模型对在线抽真空数据进行滚动预测，并通过初级预警和次级验证进行故障预警。本发明结合领域知识和机器学习算法，根据RH真空系统的相关高频数据，采用Attention‑BiLSTM算法能够在真空故障劣化的初期及时发现潜在的故障，提示之后操作工可以提前采取措施进行处理，从而一定程度上避免故障的发生，降低维修成本，提高设备的可靠性和使用寿命。