原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于时空特征融合的发动机剩余使用寿命预测方法，首先获取到原始的随时间变化的传感器数据，通过数据选择及归一化处理后得到特征数据，将特征数据分别输入到一维全卷积层神经网络和LSTM神经网络中，利用一维全卷积层神经网络实现数据集空间特征信息的提取，利用LSTM神经网络实现数据集时间序列特征信息的提取，得到该两类特征后，采用时空特征融合算法，对其进行特征融合，再将融合特征输入到最大池化的一维卷积神经网络进行特征二次提取，实现涡扇发动机的剩余使用寿命预测。本发明采用时空特征融合的多神经网络组合模型进行
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 112580263 B
(45)授权公告日 2022.05.10
(21)申请号 202011555334.7 G06F 30/17 (2020.01)
文档评论（0）