基于多模态数据融合的动态因果图谱智能故障诊断与维修方法及系统

本发明提出了一种据融合的动态因果图谱推理模型，包括以下步骤：采集设备的多模态数据，进行标准化、缺失数据填补和噪声清洗等预处理；然后通过跨模态嵌入网络对不同模态数据进行融合，生成统一的高维特征表示；基于因果推理模型构建动态因果图谱，节点表示故障现象，边表示因果关系，权重通过贝叶斯更新动态调整；通过最大后验推断(MAP)算法识别故障链条中的关键节点，并生成多步骤的维修建议；通过强化学习引入动态反馈机制，不断优化推理模型和维修策略。本发明能够有效融合多模态数据，通过动态因果图谱推理和动态反馈与自我优化机制，系统能够根据实时数据不断优化诊断模型，提升故障诊断和维修的效率。