摘要
本申请公开了一种基于Mamba深度学习网络的智能预测方法及装置,涉及设备性能智能预测领域,该方法包括:获取工业设备传感器监测数据并进行预处理;基于滑动时间窗策略对预处理后的传感器监测数据进行样本生成,得到时间窗口样本;构建Mamba‑GRU并行网络,Mamba‑GRU并行网络包括:线性标记层、Mamba模块、GRU模块、特征融合模块以及全连接层;基于所述时间窗口样本对所述Mamba‑GRU并行网络进行训练,得到性能预测模型;基于所述性能预测模型预测工业设备的剩余使用寿命和健康状态,本申请能够有效结合长周期退化趋势与短时动态特征的互补性,提升多尺度特征融合质量,进而提高预测精度。
技术关键词
深度学习网络
智能预测方法
性能预测模型
工业设备
智能预测装置
小波变换降噪
传感器
滑动时间窗
异常数据
剩余使用寿命
线性
标记
样本
多尺度特征融合
矩阵
离散小波变换
动态
数据获取模块
系统为您推荐了相关专利信息
交通流量预测
智能预测方法
ETC门架
可执行程序代码
数据
工业设备状态
振动监测数据
载荷传感器
多模态融合深度学习
诊断方法
数据传输配置
服务器节点
设备故障模式
红外热像仪
诊断仪器