數據驅動的RUL
之前方法的不足:
1.沒有充分考慮各傳感器采集的信息與機械剩余壽命之間的相關性
2.由于復雜系統運行過程中產生的信號噪聲大、過維數多、非線性強，深度學習算法剩余有用壽命預測精度較低
改進:
基于DLSTM網絡的機械剩余使用壽命預測方法
1.建立兩步最大信息系數法，計算傳感器數據與剩余使用壽命之間的相關性
2.利用移動平均法進行核主成分分析,消除噪聲,降低維數,提取非線性特征
3.通過一種基于深度長短記憶網絡的深度學習方法來預測剩余使用壽命

總結

以上是生活随笔為你收集整理的【寿命预测】基于DLSTM网络的机械剩余使用寿命预测方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。