摘要
本发明属于设备寿命预测技术领域,具体涉及电氢耦合系统设备寿命预测方法、设备及介质。针对现有融合了LSTM与CNN的设备寿命预测方法的预测精度下降且未能很好地利用历史数据信息的不足,本发明的电氢耦合系统设备寿命预测方法包括:获得设备过去一段时间内的状态运行数据并进行预处理,划分为训练集和测试集;构建CNN‑LSTM融合神经网络模型,通过训练集对模型进行训练;采用多步滚动平均模式对电氢耦合系统设备寿命进行预测,生成连续的寿命预测序列,通过测试集进行验证;将训练好的模型应用于设备寿命预测。本发明的方法,兼采CNN和LSTM的优点;采用多步滚动平均预测,具有预测精度高、实时性好的优点。
技术关键词
系统设备
融合神经网络
设备寿命预测技术
设备寿命预测方法
剩余寿命预测
时间序列特征
标准化方法
数据采集系统
压缩特征
冗余特征
训练集
滤波方法
滑动窗口
模式
燃料电池
系统为您推荐了相关专利信息
电缆线路钢支架
剩余寿命预测方法
速率
神经网络模型
剩余寿命预测系统
退化设备
剩余寿命预测方法
概率密度函数
构建传感器网络
退化模型
退化设备
剩余寿命预测方法
测量误差
退化模型
监测点
电池健康状态
特征提取模型
时间序列特征
剩余寿命预测方法
时间序列信息