摘要
本发明提出一种基于双注意力多特征融合网络的剩余使用寿命预测方法,包括:S 1、对采集的设备多传感器数据构建数据集合并进行筛选,对筛选后的数据进行归一化处理;S2、以训练集样本为基础,构建基于双注意力机制的多特征融合网络模型;S3、将测试样本输入到训练好的基于双注意力多特征融合网络模型中,实现设备的剩余使用寿命预测;本发明融合手工特征,构建多特征融合框架,实现最后的RUL预测,提高了对于设备剩余使用寿命预测的准确性。
技术关键词
特征融合网络
剩余使用寿命预测
数据
设备剩余使用寿命
sigmoid函数
LSTM神经网络
多传感器
注意力机制
描述符
手工特征
序列
学习特征
训练集
样本
矩阵
通道
输出特征
系统为您推荐了相关专利信息
测绘系统
海洋环境条件
声呐传感器
阵列
电源供应模块
信用评估模型
链路
智能优化方法
计算机存储介质
智能优化装置