一种基于深度学习的热阴极灯丝全寿命预测装置与方法

本发明适用于热阴极电离真空规灯丝全寿命周期的健康检测与寿命预测领域，提供了一种基于深度学习的热阴极灯丝全寿命预测装置与方法，所述方法包括：对与热阴极铱‑氧化钇灯丝性能相关的历史数据进行预处理；通过卷积神经网络对预处理后的数据进行卷积和池化操作，利用双向长短期记忆网络对灯丝性能数据中的时序依赖关系进行建模，通过遗忘门丢弃部分无用数据，引入注意力机制，采用粒子群优化算法对卷积神经网络、双向长短期记忆网络和注意力机制中的超参数进行优化；将经过上述模块处理后的特征输入到输出层，预测热阴极铱‑氧化钇灯丝的关键性能指标，实现多维度特征的高效融合与模型性能优化，精准预测热阴极灯丝关键性能指标。