典型文献
基于深度特征融合网络的数模联动随机退化设备剩余寿命预测
文献摘要：
在工业大数据和万物互联背景下,针对复杂运行条件中的设备健康状态需从多维度进行表征,如何有效地融合多维监测数据,对随机退化设备的精准剩余寿命预测具有重要意义,由此提出一种基于深度特征融合网络的数模联动随机退化设备剩余寿命预测方法,构建多维自注意力时间卷积网络对时间窗处理后的多维监测数据做深度特征提取,设计模式加权的特征融合方法获取融合退化指标,然后采用随机过程对退化指标进行建模,通过表征预测效果的优化目标函数对网络参数、模式系数和失效阈值进行反向调整,形成数模联动的剩余寿命预测方法,实现退化指标和随机模型的自动匹配.最后,在涡扇发动机运行数据集上验证了该方法的准确性和优越性.
文献关键词：
剩余寿命预测;自注意力机制;卷积神经网络;特征融合;随机过程;涡扇发动机
中图分类号：
作者姓名：
周涛;汪永超;张栩静;毛凯宁;李汶俊
作者机构：
四川大学 机械工程学院,四川 成都 610065
文献出处：
引用格式：
[1]周涛;汪永超;张栩静;毛凯宁;李汶俊-.基于深度特征融合网络的数模联动随机退化设备剩余寿命预测)[J].计算机集成制造系统,2022(12):3935-3943
A类：
数模联动
B类：
深度特征融合网络,剩余寿命预测,工业大数据,万物互联,运行条件,健康状态,多维监测,寿命预测方法,时间卷积网络,时间窗,深度特征提取,设计模式,融合方法,退化指标,随机过程,优化目标,网络参数,失效阈值,随机模型,自动匹配,涡扇发动机,机运,运行数据,自注意力机制
AB值：
0.228139
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
