机械装备剩余使用寿命快速有效预测的深度学习方法

摘要

机械装备剩余使用寿命快速有效预测的深度学习方法，对机械装备的多维全寿命周期数据进行处理；然后对经过处理后的数据进行非线性降维与性能非线性退化特征的提取后分解成短序列数据，再构建一个深度门控递归神经网络模型；设置网络深度N、学习率，批次大小与迭代次数，使得深度门控递归神经网络输出的剩余使用寿命预测值与真实的寿命的平均相对误差低于10％，否则重新设置上述参数进行网络模型训练，直至平均相对误差低于10％；再进行后处理。该预测方法利用多层自动编码器与深度门控递归神经网络组合工作，既克服了高维数据难建模、易过拟合的问题，又解决了对长时间序列难建模的问题，具有预测精度高、运行速度快等特点。