一种时空特征融合的剩余寿命预测方法

摘要

针对剩余寿命预测精度低、退化特征难提取等问题，提出一种基于时空特征融合的剩余寿命预测方法。首先，构造双通道深度学习网络，通道1采用基于通道注意力机制的长短期记忆神经网络提取时间维度的退化信息，通道2采用语义分割网络挖掘空间维度的退化信息；其次，利用交叉注意力机制融合时空特征；最后，采用回归层实现剩余寿命预测。在商用模块化航空推进系统仿真数据集进行实验验证，结果表明，与其他深度学习方法相比，该方法在FD004测试集中均方根误差降低了16.21%，评分函数值降低了14.97%，实现剩余寿命的高精度预测。

关键词

剩余寿命预测 / 时空特征融合 / 长短期记忆网络 / 语义分割网络 / 交叉注意力机制