摘要
本发明公开了一种基于多源融合模型的设备寿命预测方法,包括:获取设备寿命数据并进行特征归一化,将归一化数据进行RUL标签设置,并通过滑动窗口提取样本,得到预处理的训练集;建立CNN‑Informer模型,将预处理的训练集数据传入CNN‑Informer模型进行预训练,得到预训练模型;根据设备特性进行设备分组,并基于组别分别送入预训练模型中,得到表征各设备特性的二次训练模型;将二次训练模型在测试集上进行测试,得到初始RUL预测结果并进行滤波,从而构建DCNN‑Informer模型;使用区间概率预测方法处理滤波后的初始RUL预测结果,从而基于DCNN‑Informer模型构建多源融合模型,使用多源融合模型得到目标RUL预测结果。其可以解决设备退化特征复杂性不断增加导致设备剩余寿命预测精度低的问题。
技术关键词
设备寿命预测方法
多源融合
预训练模型
概率预测方法
训练集数据
滑动窗口
设备剩余使用寿命
滤波
剩余寿命预测
多头注意力机制
模型预训练
序列
退化特征
多层感知器
可读存储介质
发动机
预测特征
系统为您推荐了相关专利信息
训练集数据
负荷预测模型
Stacking集成学习
深度置信网络
负荷预测方法
BERT模型
迁移学习系统
预训练模型
关键词
迁移学习方法
随机森林
推荐系统
理赔案件
构建决策树
数据采集模块