基于MTL-TCN的自移机尾状态预测.pdfVIP

第46卷第8期煤矿机械Vol.46No.8

2025年8月CoalMineMachineryAug.2025

doi:10.13436/j.mkjx.202508048故障·诊断

基于MTL-TCN的自移机尾状态预测

孟亦凡，章恒，周磊，冯天阳

(安徽理工大学人工智能学院，安徽淮南232000)

摘要：传统的时间卷积预测模型多依赖单一任务和线性模型，难以全面捕捉到自移机尾运

行过程中复杂的非线性关系及多任务间的关联性。基于此，提出了一种基于多任务学习-时间卷积

网络(MTL-TCN)的自移机尾状态预测方法。该方法首先通过特征融合技术将多维信息统一到共享

输入空间；随后设计了一个MTL-TCN,并对其膨胀卷积进行优化。在层叠优化的时间卷积层中提取

输入数据的时序特征，并且通过MTL策略在共享表示的基础上进行任务特定的特征解耦和预

测；最后