原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
2024年3月控制工程Mar.2024
第31卷第3期ControlEngineeringofChinaVol.31,No.3
文章编号：1671-7848(2024)03-0545-08DOI:10.14107/j.cnki.kzgc
基于注意力的VAE-ConvLSTM模型的剩余寿命预测研究
aaaba
马前，刘胜全，刘艳，郑明明，解舒淇
（新疆大学a.信息科学与工程学院；b.软件学院，新疆乌鲁木齐830046）
摘要：为解决传统有监督算法难以达到较高预测精度的问题，提出了一种新的半监督模
型。首先，将不同传感器采集的监测数据直接作为网络输入，减少了可能出现的信息损失；
接着，在无监督部分采用变分自动编码器(variationalautoencoder,VAE)，以自动提取输入
数据的深层表达；然后，在有监督部分使用卷积长短期记忆(convolutionallongshort-term
memory,ConvLSTM)网络进一步提取时序数据的时空特征，并引入注意力机制，提高重要
特征因子的权重；最后，在NASA提供的C-MAPSS数据集上进行对比实验，以均方根误
差和数据集自定义的Score作为评价指标。实验结果表明，所提出的模型在复杂预测场景
中取得了最好的结果，证明了该模型的有效性。
关键词：剩余使用寿命；变分自动编码器；卷积长短期记忆；注意力机制
中图分类号：TP18文献标识码：A
ResearchonRemainingLifePredictionofVAE-ConvLSTMModel
BasedonAttention
aaaba
MAQian,LIUShengquan,LIUYan,ZHENGMingming,XIEShuqi
(a.CollegeofInformationScienceandEngineering;b.SchoolofSoftware,XinjiangUniversity,Urumqi830046,China)
Abstract:Inordertosolvetheproblemthattraditionalsupervisedalgorithmsaredifficulttoachievehigh
predictionaccuracy,anewsemi-supervisedmodelisproposed.First,themonitoringdatacollectedbydifferent
sensorsaredirectlyusedastheinputofthenetworktoreducethepossibleinformationloss.Secondly,the
variationalautoencoder(VAE)isusedtoautomaticallyextract
文档评论（0）