本发明公开了一种基于深度学习的设备剩余寿命预测模型构建方法。该方法基于Transformer的多头注意力机制的深度学习模型,通过深度学习模型挖掘多维监测数据与产品性能指标之间的耦合关系,并通过Transformer捕捉时序变化过程中的性能变化信息,将试验样本全寿命监测数据,通过位置编码,输入Transformer模型进行再训练和预测,通过n台样本可靠性增长试验数据以及Wiener过程模型,得到Wiener过程的未知参数μ和σ的似然函数,得到设备失效概率随时间变化的分布密度函数,通过积分求解设备从健康到故障的预测时间,最后通过贝叶斯公式与后验概率求解设备基于可靠性与性能一体化的剩余寿命预测结果。
声明:
“基于深度学习的设备剩余寿命预测模型构建方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)