一种基于深度学习的宠物手推车性能预测方法及系统

本发明提供一种基于深度学习的宠物手推车性能预测方法及系统，属于性能预测领域，包括：S1、采集宠物手推车的多源异构数据集，并分别提取所述多源异构数据集的特征；S2、基于多模态注意力机制进行特征融合，得到融合特征；S3、基于融合特征构建多层性能指标评估体系，并进行性能预测，得到性能预测结果；S4、基于所述性能预测结果进行可靠性评估操作，得到具有可靠性保证的性能预测评估结果。本发明有效整合结构参数数据、力学特性数据、传感器数据和用户反馈信息等多源异构数据，显著提高了性能预测的准确率和可靠性，并利用多层性能指标评估体系通过模糊综合评判方法实现了宠物手推车性能的全面和精准评估。