一种基于粒计算与LSTM网络的电厂设备声音异常识别与健康预测方法

本发明提供一种基于粒计算与LSTM网络的电厂设备声音异常识别与健康预测方法，在电厂复杂高噪声背景环境下，采用阵向拾音器与高动态范围麦克风阵列，结合抗干扰滤波与波束形成算法，对设备关键部位进行定向、多通道、非接触式声音采集，采集到的声音信号经过预处理后，转化为时域、频域和时频域表示，并编码为多维数值向量，相比基于规则的专家系统，本发明具备更强泛化能力与实时响应能力；引入大语言模型，使输出更贴近工程语言，适合运维人员理解与执行；支持自定义知识库或安全语义过滤，便于在工业现场闭环部署；可对接智能巡检系统，实现声音识别—健康评估—建议生成全链路联动。