一种基于多源异构数据的硅基新材料压缩机故障检测方法

本发明公开了一种基于多源异构数据的硅基新材料压缩机故障检测方法，该方法包括：首先通过压缩机状态检测平台获取振动、压力、温度的正常历史运行数据并进行数据预处理，构建训练集；然后采用星鸦优化算法对变分模态分解(VMD)参数进行联合寻优并分解信号，提取模态特征；其次通过卷积神经网络(CNN)多尺度编码并引入通道和时间注意力实现跨通道自适应融合；再次采用双向长短期记忆网络(BiLSTM)对融合特征序列进行时序建模，通过训练集数据训练异常检测模型；最后将测试集数据经相同流程输入初始异常检测模型，通过计算与正常状态的偏差实现故障判定；当测试集评价指标达标时，将该模型固化为最优异常检测模型，用于现场实时数据的在线推理应用。