摘要
本发明公开了基于神经网络的普适化分子泵寿命预测方法及相关设备,先将分子泵拆分为组件级故障,周期性采集局部位移数据,利用相关性分析提取强关联指标,形成带弱标签的大规模多工况时序数据集,缓解数据稀缺;继而以Transformer为核心构建寿命预测模型,克服CNN/RNN长序列记忆瓶颈与梯度问题,输出寿命消耗百分比,实现精准预测。
技术关键词
寿命预测方法
分子泵
寿命预测模型
外围密封件
支承系统
序列
寿命预测系统
润滑系统
样本
设备运行数据
标签
处理器
周期
指标
时序
可读存储介质
叶轮
系统为您推荐了相关专利信息
疲劳寿命预测方法
变速箱齿轮
数学模型
疲劳累积损伤
线性累积损伤理论
寿命预测模型
断路器
寿命预测系统
特征提取模块
模型训练模块
电池寿命预测方法
保留特征
数据
构建机器学习模型
锂离子电池寿命预测技术
决策管理方法
数模转换单元
剩余寿命预测模型
信号调理模块
节能设备
剩余寿命预测模型
生成方法
剩余寿命预测方法
多尺度
卷积模型