摘要
本发明的基于多模态数据融合与双分支LSTM的高速公路收发卡机寿命预测方法,通过时空对齐算法能够提升异构数据的关联度,有效解决传统单模态传感器信息冗余与缺失并存的问题,提高数据的完整性和准确性;通过双分支LSTM架构分别处理低频趋势项与高频瞬态项,增强模型对不同时间尺度故障特征的捕捉能力,可区分故障特征时频特性,提升模型对振动信号突变响应速度,双分支LSTM架构能更好捕捉高速公路收发卡机复杂工况下不同频率故障特征,提高预测准确性;利用加权门控融合机制,动态调整趋势特征与瞬态特征融合比例,输出设备剩余寿命概率分布,加权门控融合机制更契合高速公路收发卡机寿命预测需求,能根据设备运行状态实时调整融合策略。
技术关键词
收发卡机
多模态数据融合
寿命预测方法
分支
瞬态特征
振动传感器
滑动窗口
三轴MEMS加速度计
IP68防护等级
故障特征
一维卷积神经网络
Sigmoid函数
频域特征
信号
温度传感器
融合特征
模态传感器
K型热电偶
设备运行状态
系统为您推荐了相关专利信息
隧道衬砌
病害识别方法
阶段
裂缝病害
输入多尺度
封装设备
监测方法
多模态特征
MEMS传感器
融合算法
风险预测方法
固井技术
强化学习模型
水泥浆
物理控制设备