一种设备健康状态预测模型的训练方法、应用方法、设备、介质及产品

本申请公开了一种设备健康状态预测模型的训练方法、应用方法、设备、介质及产品，涉及工业设备健康状态预测技术领域，本申请通过一个端到端的频域自适应动态模块，根据数据自动学习最优的频带划分方式，并用可学习的复数滤波器对长期趋势和短期波动等不同尺度的动态进行并行的、专门化的处理，解决了传统模型难以同时精确捕捉混合模式的问题。引入了动态前馈网络，其核心线性层的权重是根据每个输入样本动态生成的。通过傅里叶不相交权重机制，该模块从结构上保证了其并行专家权重的多样性和非冗余性，极大地提升了参数的利用效率。这使得模型能够为不同的输入数据采取不同的特征变换策略，显著增强模型的表达能力和适应性。