摘要
本发明属于航空涡扇发动机剩余寿命预测技术领域,具体涉及一种基于双路径架构的设备剩余使用寿命预测方法、程序、设备及存储介质。本发明构建了基于融合多尺度时间‑特征卷积和动态权重自适应模块的双路径交互框架的涡扇发动机剩余寿命预测模型,通过双路径结构捕捉时间维度与特征维度之间的复杂关系,然后通过1DCNN引入多个不同尺度的卷积核,进行多尺度特征提取,并通过拼接与分割操作生成更具表达力的时间和特征维度的特征表示,最后通过在时间和特征维度之间的动态交互和自适应权重调整,增强模型的预测性能和灵活性。本发明实现时间、特征维度上的多尺度信息提取并保留更多的信息交互,显著提高了RUL预测的准确性。
技术关键词
设备剩余使用寿命预测方法
涡扇发动机
交互网络
输出特征
剩余寿命预测模型
路径结构
数据处理方法
动态
传感器
局部细节特征
多尺度特征提取
训练预测模型
多尺度信息
交互框架
矩阵
参数
模块
系统为您推荐了相关专利信息
监控集成系统
时序卷积神经网络
数字孪生体
识别疾病
随机森林
剂量体积直方图
叠加系统
数据输入模块
CT图像数据
可视化工具
滑动窗口
航空发动机控制系统
涡扇发动机
传感器故障检测
双转子
视频识别方法
深度神经网络模型
训练深度神经网络
适配器
动态
跌倒检测方法
YOLO模型
特征提取模块
注意力机制
融合策略