基于多模态数据融合的焦化生产洗脱苯工段的故障监测方法

基于多模态数据融合的焦化生产洗脱苯工段的故障监测方法，它属于故障监测领域。本发明解决了现有故障监测方法的准确率低的问题。本发明方法高度聚焦于图像中的关键区域，显著提升了特征提取的针对性。利用轻量化卷积神经网络模型提取每帧图像的局部空间特征，并利用在线PCA模型降低特征维度。利用TokenLearner压缩空间信息，减少输入令牌数量，采用轻量化TCN模型捕捉时间依赖关系，所提取的特征信息更为丰富和多样化，涵盖视频序列中的时空关系。通过双解码器双路重构框架的无监督学习技术进行故障监测，可以大幅降低对系统算力的需求和异常定位的难度。通过多模态数据融合进行故障监测，可以显著提高故障监测的准确率。本发明方法可以应用于故障监测。