一种多源数据融合的关键部件故障预测方法及系统

本发明提供一种多源数据融合的关键部件故障预测方法及系统，所述方法包括：S1、采集清筛机关键部件数据，构建多源异构传感网络，完成多维度监测数据的时空对齐与质量优化；S2、基于部件物理连接关系构建动态拓扑图结构，量化故障传播路径与强度，形成涵盖局部状态与整体健康度的多层次特征表征；S3、设计融合时空分析与记忆建模的混合预测模型，通过自适应的特征整合机制，完成对设备退化趋势的准确刻画与潜在故障的早期预警；S4、结合实时预测误差与历史运维知识动态优化混合预测模型，建立数据驱动与知识引导的双重学习框架，完成随设备老化自适应的持续学习。本发明方法突破了传统预测模型静态化的局限，显著提升了预测结果的准确性和可靠性。