典型文献
基于多尺度LSTM预测模型研究
文献摘要：
航空发动机剩余寿命(remaining useful life,RUL)预测是设备故障预测与健康管理(prognostics and health management,PHM)的核心问题.针对发动机数据维度高、滞后性强和复杂度高等挑战,提出了一种基于自训练权重的多尺度注意力双向长短期记忆神经网络模型.通过不同尺度的双向长短期记忆神经网络(bidirectional long short-term memory neural network,BiLSTM)提取多尺度特征;提出一种基于自训练权重的融合算法,通过引入注意力机制进行不同尺度的特征筛选,以提高预测精度.将各模型在NASA的C-MAPSS数据集上进行实验对比,结果证明,所提出预测模型在准确率和均方根误差指标上均有所提升.
文献关键词：
故障预测与健康管理;剩余寿命;双向长短期记忆网络;自训练权重;注意力机制;融合算法
中图分类号：
作者姓名：
邱俊杰;郑红;程云辉
作者机构：
华东理工大学信息科学与工程学院,上海200237
文献出处：
引用格式：
[1]邱俊杰;郑红;程云辉-.基于多尺度LSTM预测模型研究)[J].系统仿真学报,2022(07):1593-1604
A类：
自训练权重
B类：
航空发动机,剩余寿命,remaining,useful,life,RUL,设备故障,故障预测与健康管理,prognostics,health,management,PHM,数据维度,滞后性,多尺度注意力,双向长短期记忆神经网络模型,不同尺度,bidirectional,long,short,term,memory,neural,network,BiLSTM,多尺度特征,融合算法,注意力机制,特征筛选,NASA,MAPSS,实验对比,误差指标,双向长短期记忆网络
AB值：
0.305196
相似文献
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。
