融合多模态数据的博物馆空调异常识别方法

本发明涉及一种融合多模态数据的博物馆空调异常识别方法，包括如下步骤：步骤1：收集空调运行的历史数据，所述历史数据包括工单数据、声纹数据和电流电压数据；步骤2：基于收集到的历史数据分别提取工单数据特征、声纹数据特征和电流电压数据特征，作为样本；步骤3：构建多模态卷积神经网络；步骤4：将所述样本分为训练集和测试集，利用所述训练集训练所述多模态卷积神经网络，并利用测试集评估性能，得到故障预测模型；步骤5：基于所述故障预测模型预测博物馆空调异常情况。本发明通过融合声纹、工单以及电流电压等多种模态数据，能够综合考虑多方面的信息，显著提高了故障识别的准确性，促进了博物馆空调系统的智能化和高效化运作。