复杂工况更准
该网络通过提取多尺度空间相关性和按时间步差异更新特征权重，解决现有深度学习方法对特征间空间关联挖掘不足、且未考虑不同时间步输入特征重要性差异的问题，在多故障模式下预测精度更高。
周谧 · Wanlin, Liu · 程八一
Engineering Applications of Artificial Intelligence 2025
构建多个图结构捕获MS-CNN生成的不同特征图间的复杂空间关系，弥补现有方法对空间信息提取不足的缺陷。
将特征注意力机制与GRU的隐藏状态信息结合，实现对不同时间步输入特征的差异化更新，从而提高对时序动态的建模能力。
在两个公开数据集上验证，尤其在复杂工况和多故障模式下，预测精度高于现有方法。