基于深度多尺度卷积神经网络的剩余使用寿命预测模型

发布时间：2022-01-21 14:33

　　剩余使用寿命的预测是设备预测与健康管理（PHM）的一个重要前提,由于设备工况以及自身固有状态的差异,剩余使用寿命的精确预测是非常困难的。本文提出了一种基于数据驱动的深度多尺度卷积网络用于剩余寿命预测,通过深度连接层将不同尺度卷积连接起来作为一个卷积层,利用多个组合的卷积层构建成多层卷积网络,最后加入全连接层和回归层搭建成剩余使用寿命预测深度学习系统。C-MAPSS数据实验验证表明,本文提出的深度多尺度卷积网络相比流行其他深度学习网络具有更好表现,预测精度更高,为剩余使用寿命预测提供了一种效果更好的方法。 

【文章来源】：科技创新导报. 2020,17(15)

【文章页数】：2 页

【部分图文】：

本文提出的RUL预测网络结构

全连接层的每一个结点都与上一层的所有结点相连,用来把上一层提取到的特征综合起来。在最后一个特征映射上使用丢弃层来消除过拟合。最后,在所提出的网络的末尾加入一个回归层用来计算回归问题的均方误差损失。还采用了Adam优化算法来加速学习速度和效果,网络层级架构如图2所示。3 结语


本文编号：3600445