摘要
一种多源数据融合的航空发动机轴承寿命智能迁移预测方法,采用双向GRU网络深度多源数据的时序退化特征,设计退化感知的动态注意力机制实现多模态特征的自适应融合,通过模态注意力层动态计算各模态权重;同时基于最大均值化差异(MMD)构建跨工况迁移学习框架,通过最小化多源融合数据差异实现不同工况下的知识迁移;本发明在预测精度、噪声鲁棒性和跨工况适应性等关键指标上均表现优越。
技术关键词
航空发动机轴承
注意力机制
门控循环单元
梯度下降算法
工况
多模态特征
退化特征
多源融合
网络深度
剩余可用寿命
振动监测数据
融合方法
样本
线性变换矩阵
噪声鲁棒性
更新模型参数
系统为您推荐了相关专利信息
电池健康状态
矩阵
大语言模型
回收方法
嵌入方法
缺陷识别方法
环氧树脂
电力设备局部放电检测技术
电信号
放电故障
网络流量预测模型
网络流量预测方法
网络流量数据
网络流量信息
训练算法
参数优化方法
新能源电池
冲压工艺
PID控制算法
板料冲压成型技术
弹簧操动机构
高压断路器
样本
故障检测
虚拟仪器