摘要
本发明公开了一种太赫兹光电导发射天线剩余寿命预测方法,属于寿命预测技术领域,首先采集太赫兹光电导发射天线的传感器数据,然后利用非对称卷积神经网络的方法对传感器数据进行特征提取,使用Transformer算法对已提取特征进行时间序列预测,并及时向太赫兹时域光谱系统反馈可能出现的异常状况和剩余寿命。通过上述深度学习算法来实现对发射天线的剩余使用寿命(Remaining Useful Life,RUL)评估,保证设备可靠运行。
技术关键词
光电导发射天线
剩余寿命预测方法
非对称卷积神经网络
飞秒激光器
时间滑动窗口
传感器
积层
数据
时域光谱系统
寿命预测技术
可饱和吸收体
多头注意力机制
输出特征
剩余使用寿命
工况
前馈神经网络
工作环境温度
编码器