一种大型压缩机故障预测方法、装置及设备

本发明公开了一种大型压缩机故障预测方法、装置及设备。该方法包括以下步骤：获取多传感器数据；对获取的多传感器数据进行预处理，并进行二维样本构造；基于Bi‑LSTM网络，进行时序特征提取与数据解耦；基于CNN和Transformer结构，进行多模式特征提取与融合；建立多实例学习框架，并对获取的多传感器数据进行故障预测；进行模型训练与优化，并进行模型性能评估。本发明通过数据解耦技术将分解后的多周期序列转化为二维张量，提升模型对周期性模式的识别和处理能力；通过结合时序数据的动态特征与多实例学习的强大分类能力，提升了故障预测的准确性、普适性及实时性，且提升了故障模式识别能力，提高了预测的可靠性。