原创力文档- 1、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。。
- 2、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。
- 3、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)。
- 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
汽车工程
2025年（第47卷）第2期AutomotiveEngineering2025（Vol.47）No.2
doi：10.19562/j.chinasae.qcgc.2025.02.009
增强双流Transformer的柴油发动机剩余寿命
预测模型*
11223
张曦，杨颖，陈超君，王春风，杨磊
（1.广西大学计算机与电子信息学院，南宁530004；2.广西玉柴机器股份有限公司工艺工程部，玉林537005；
3.广西科学院，南宁530007）
［摘要］基于Transformer的模型在剩余使用寿命（remainingusefullife，RUL）预测方面取得了显著的进展。然
而，现有Transformer模型主要存在以下不足：模型在提取局部特征方面有所欠缺，且没有同时考虑输入特征的不同
时间和不同空间的重要性。针对以上问题，提出一种增强的双流Transformer模型，通过局部特征提取模块和交互融
合模块对模型进行增强。首先，通过局部特征提取模块分别在时间流和空间流提取局部特征，以弥补Transformer在
局部特征提取方面的不足。然后，使用双流Transformer分别在时间和空间维度提取长期依赖，增强双流分支的互补
学习。最后，构建交互融合模块，通过双线性融合方法捕获流级交互，进一步提升预测效果。使用多个模型在某柴
油发动机制造商两个真实的数据集上进行实验，其结果表明评价指标RMSE和Score至少分别降低3.23%和
5.89%。
关键词：剩余使用寿命预测；Transformer编码器；卷积神经网络；特征融合；滑动窗口
EnhancedTwo-StreamTransformerModelforRemainingUsefulLife
PredictionofDieselEngines
11223
ZhangXi，YangYing，ChenChaojun，WangChunfengYangLei
1.SchoolofComputer，ElectronicsandInformation，GuangxiUniversity，Nanning530004；
2.ProcessandEngineeringDepartment，GuangxiYuchaiMachineryCo.，Ltd.，Yulin537005；
3.GuangxiAcademyofScience，Nanning530007
［Abstract］Transformer-basedmodelshavemadesignificant
文档评论（0）