特征融合门变压器

预测向量角度最小化

通过融合全局与局部特征并最小化预测向量角度，在提升剩余使用寿命预测精度的同时降低滞后风险，满足早期预警需求。

Zhihao, Zhou · Long, Zhenhua · Ruidong, Wang · Bai, Mingliang · 刘金福 · 于达仁

Journal of Manufacturing Systems 2024

参数信息

RMSE 降低

2.94 %

Score 降低

7.00 %

技术优势

提前预测更可靠

通过预测向量角度最小化，引导预测序列按 RUL 下降的倾斜趋势输出，减少滞后预测，降低延误维护风险。

精度不降反升

特征融合门动态融合全局与局部特征，增强 Transformer 对时序细节的捕捉，在 CMAPSS 上 RMSE 和 Score 均优于现有最佳方法。

降低7%评分

相比现有最优方法，Score 降低 7.00%，在 CMAPSS 数据集上验证，说明综合预测性能提升。

应用场景

• 飞机发动机预测性维护：利用传感器数据提前预测 RUL，避免滞后预警导致维护延误。
• 设备健康监测：融合全局与局部特征提高健康状态估计精度。
• 工业设备故障预测：通过预测向量角度最小化实现高精度提前故障预测。
• 智能体决策支持：为维护决策提供可靠的 RUL 预测结果和提前预警。