CN115204463B 一种基于多注意力机制的剩余使用寿命不确定性预测方法 (南京理工大学)_第1页
CN115204463B 一种基于多注意力机制的剩余使用寿命不确定性预测方法 (南京理工大学)_第2页
CN115204463B 一种基于多注意力机制的剩余使用寿命不确定性预测方法 (南京理工大学)_第3页
CN115204463B 一种基于多注意力机制的剩余使用寿命不确定性预测方法 (南京理工大学)_第4页
CN115204463B 一种基于多注意力机制的剩余使用寿命不确定性预测方法 (南京理工大学)_第5页
已阅读5页,还剩22页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种基于多注意力机制的剩余使用寿命不本发明提出一种基于多注意力机制的剩余随着时间推移从完好状态逐渐退化直至报废的训练基于多注意力机制的TCN模型。本发明简化了剩余使用寿命不易估计并且增加了预测的置2步骤1,获取燃气涡轮引擎随着时间推移从完好状态逐渐退化直至报废的二维数据构步骤2,构建基于多注意力机制的TCN网络,使用自注意步骤1.1:绘制随着时间变化的所有引擎每一传感器的数据的趋势图,根据图像的趋基于多注意力机制的TCN网络中,使用自注意力机制对预处理后的三维数据的特征维t是传感器的测量值,hw1是训练过程中要学习的3s,t是第s个传感器第t时间步时刻的传感器测量值,是第s个传感器重要性权2.根据权利要求1所述的一种基于多注意力机制的剩余使用寿命不确定性预测方法,得到的序列数据进行学习,得到传感器带有时间和空间相关性信息的序列数据时间卷积网络由两个残差块组成,其中每个残差块3.根据权利要求2所述的一种基于多注意力机制的剩余使用寿命不确定性预测方法,44.根据权利要求1所述的一种基于多注意力机制的剩余使用寿命不确定性预测方法,5.根据权利要求1所述的一种基于多注意力机制的剩余使用寿命不确定性预测框架,对训练好的模型载入最优权重,在服务器上对预处理后的数据进6.一种基于多注意力机制的剩余使用寿命不确定性预测系要求1-5任一项所述的基于多注意力机制的剩余使用寿命不确定性预测方法实现剩余使用力机制的剩余使用寿命不确定性预测方法实现剩余使用8.一种计算机可读存储介质,其上存储有计算机时,基于权利要求1-5任一项所述的基于多注意力机制的剩余使用寿命不确定性预测方法5使用残差网络和扩张卷积的组合来增强网络内存,使其在长时间序列预测任务中更有效。[0004]本发明的目的在于提出一种基于多注意力机制的剩余使用寿命不确定性预测方[0005]实现本发明目的的技术解决方案为一种基于多注意力机制的剩余使用寿命不确[0006]步骤1,获取燃气涡轮引擎随着时间推移从完好状态逐渐退化直至报废的二维数[0009]步骤4,对待预测剩余使用寿命的燃气涡轮引擎传感器数据进行预处理输入训6是第s个传感器第t时间步时刻的传感器测量值,是第s个传感器重要步骤2得到的序列数据进行学习,得到传感器带有时间和空间相关性信息的序列数据7[0030]步骤4.1:将softmax函数应用于[0036]步骤4.3:根据时间维度[0041]进一步的,步骤4,对待预测剩余使用寿命的燃气涡轮引擎传感器数据进行预处8[0053]步骤1,获取燃气涡轮引擎随着时间推移从完好状态逐渐退化直至报废的二维数9s个传感器第t时间步的特征维度的权重,tn为滞后阶是第s个传感器第t时间步时刻的传感器测量值,是第s个传感器重要到传感器带有时间和空间相关性信息的序列数据是第s个传[0073]步骤4.1:将softmax函数应用于时间卷积网络的输出其[0079]步骤4.3:根据时间维度能。C-MAPSS是一种模拟大型商用涡轮发动机在不同运行条件和故障模式下的整个退化过[0096]数据特征选择:删除了7个值不变的测量值。剩下的一组包含14个传感器测量值[0099]其中和分别表示uth发动机中传感器[0100]在这一部分中,应用了一种常用的滑动时间窗口技术来生成序列训练和测试样[0105]概率剩余使用寿命预测的性能由预定义分位数水平q的分位数损失评估,表示为[0106]1)不同时间窗口大小的影响:时间窗口的大小显着影响剩余使用寿命预测的结[0118]在图4中展示

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论