一种基于大模型与数字孪生的煤矿设备状态感知方法

本发明公开了一种基于大模型与数字孪生的煤矿设备状态感知方法，涉及状态感知技术领域，包括，将多模态数据集输入量子卷积编码器，通过量子态叠加原理进行特征压缩，同时利用注意力门控机制选择关键特征片段，生成设备的多尺度数字孪生体；根据多尺度数字孪生体，使用时空图Transformer网络建立设备部件间的动态关联模型，通过图注意力机制量化部件间相互作用强度，并利用神经微分方程描述设备状态演化过程，得到设备状态演化模型；将设备状态演化模型与对抗生成网络结合，通过生成器模拟设备退化路径；本发明通过注意力门控机制自适应筛选关键动态片段，突破经典卷积串行瓶颈与固定注意力规则局限，实现指数级降维并精准捕捉退化相关时空模式。