基于双层长短期记忆网络的复杂设备剩余寿命预测方法

摘要

本发明公开了一种基于双层长短期记忆网络的复杂设备剩余寿命预测方法，采用深度学习算法，对复杂设备历史数据进行预处理，并搭建双层长短期(LSTM)网络，其中，双层长短期(LSTM)网络中LSTM单元的个数由连续时间周期决定，对搭建的双层LSTM网络进行训练，将当前数据进行预处理后传递到训练好的双层LSTM网络中，将双层LSTM网络的输出设置为复杂设备剩余寿命的预测值。本发明提供的基于双层LSTM的复杂设备剩余寿命预测模型，能够对复杂设备剩余寿命的预测准确性带来较高的提升。复杂设备因此可以得到及时有效维护，同时降低了事故的发生。能够确保复杂设备运行的安全，同时减少不必要的维护，具有重大意义。