1.一種基于多傳感器數(shù)據(jù)融合的主氦風(fēng)機(jī)健康狀態(tài)評估方法，其特征在于：包括，
2.如權(quán)利要求1所述的一種基于多傳感器數(shù)據(jù)融合的主氦風(fēng)機(jī)健康狀態(tài)評估方法，其特征在于：所述獲取多源監(jiān)測數(shù)據(jù)包括，在主氦風(fēng)機(jī)軸承部位安裝渦流位移傳感器，監(jiān)測軸承的振動狀態(tài)，在軸承箱體的徑向和軸向測點處分別布置傳感器，對轉(zhuǎn)子振動的全方位監(jiān)測，傳感器測量精度優(yōu)于1μm，獲取反映軸承振動狀態(tài)的高質(zhì)量數(shù)據(jù)，傳感器輸出與軸承振動位移滿足線性關(guān)系：
3.如權(quán)利要求2所述的一種基于多傳感器數(shù)據(jù)融合的主氦風(fēng)機(jī)健康狀態(tài)評估方法，其特征在于：所述提取反映主氦風(fēng)機(jī)健康狀態(tài)的綜合特征指標(biāo)包括，針對采集的多源監(jiān)測數(shù)據(jù)，基于深度學(xué)習(xí)的多模態(tài)融合方法，提取反映設(shè)備健康狀態(tài)的綜合特征，將時序數(shù)據(jù)包括振動、溫度、電流輸入1d?cnn進(jìn)行局部特征提??；將結(jié)構(gòu)化數(shù)據(jù)包括頻譜、軸心軌跡圖輸入2d?cnn進(jìn)行空間特征提??；將cnn提取的特征向量級聯(lián)，輸入lstm網(wǎng)絡(luò)建模時序特征之間的關(guān)聯(lián)，在lstm輸出層接全連接網(wǎng)絡(luò)，實現(xiàn)多模態(tài)特征的非線性融合，生成反映設(shè)備健康狀態(tài)的綜合指標(biāo)；
4.如權(quán)利要求3所述的一種基于多傳感器數(shù)據(jù)融合的主氦風(fēng)機(jī)健康狀態(tài)評估方法，其特征在于：所述在lstm輸出層接全連接網(wǎng)絡(luò)包括，lstm的核心計算過程為，
5.如權(quán)利要求4所述的一種基于多傳感器數(shù)據(jù)融合的主氦風(fēng)機(jī)健康狀態(tài)評估方法，其特征在于：所述構(gòu)建主氦風(fēng)機(jī)典型故障的診斷知識庫包括，針對主氦風(fēng)機(jī)的典型故障模式，構(gòu)建包含多源監(jiān)測數(shù)據(jù)特征的診斷知識庫，知識庫采用本體模型表示故障模式與數(shù)據(jù)特征的語義關(guān)聯(lián)，同時引入概率框架表示知識的不確定性，支持知識庫的持續(xù)學(xué)習(xí)與更新；
6.如權(quán)利要求5所述的一種基于多傳感器數(shù)據(jù)融合的主氦風(fēng)機(jī)健康狀態(tài)評估方法，其特征在于：所述進(jìn)行故障診斷包括，基于上述概率本體模型，給定在線監(jiān)測數(shù)據(jù)的特征向量x＝[x1,…,xk]，故障診斷的推理過程表示為，
7.如權(quán)利要求6所述的一種基于多傳感器數(shù)據(jù)融合的主氦風(fēng)機(jī)健康狀態(tài)評估方法，其特征在于：所述通過強(qiáng)化學(xué)習(xí)方法持續(xù)優(yōu)化健康管理決策包括，在主氦風(fēng)機(jī)運行全周期內(nèi)，通過強(qiáng)化學(xué)習(xí)方法持續(xù)優(yōu)化健康管理決策，包括預(yù)防性維護(hù)規(guī)劃、檢修方式選擇、備件采購計劃，最大化設(shè)備生命周期價值，其中包括狀態(tài)空間、動作空間、獎勵函數(shù)r(s,a)；
8.一種采用如權(quán)利要求1～7任一所述的一種基于多傳感器數(shù)據(jù)融合的主氦風(fēng)機(jī)健康狀態(tài)評估方法的系統(tǒng)，其特征在于：包括數(shù)據(jù)采集單元、數(shù)據(jù)融合單元、健康狀態(tài)評估單元、知識庫模塊；
9.一種計算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)權(quán)利要求1至7中任一項所述的方法的步驟。
10.一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至7中任一項所述的方法的步驟。