一种基于多尺度注意力机制与图神经网络的剩余使用寿命预测方法

基于多尺度注意力机制与图神经网络的剩余使用寿命预测方法，首先根据信号变化趋势对输入传感器信号进行筛选与预处理；然后基于余弦相似度对预处理后信号构建传感器网络和图数据集；样本构建之后将样本输入模型进行训练，设定最大更新次数来更新模型，以此得到最优预测模型；最后将数据输入模型进行剩余使用寿命预测。本发明在剩余使用寿命预测中构建多层图注意力网络以捕捉传感器数据之间空间依赖性特征，并结合双向长短期记忆网络对时间依赖性建模。此外，引入多尺度注意力机制聚焦不同尺度的局部细节以捕获多层次信息。此方法能够有效提高RUL预测精度，有利于提前制定维修决策和设备维护。