跨注意力寿命预测网络

少算5.9%误差

通过全局与局部信息集成和跨注意力一致性对齐,使剩余寿命预测对不同退化模式具有强泛化能力和内在可解释性。

Zian, Chen · 金晓航 · Kong, Ziqian · Feng, Wang · 徐正国

Engineering Applications of Artificial Intelligence 2023

参数信息

评分降低
5.9 %

技术优势

可解释性好

跨注意力分布直观地展示了监测数据与退化水平的关系,使得预测过程透明可理解。

复杂工况下更准

在涡轮风扇和轴承数据集的复杂工况与故障模式实验中,平均评分降低5.9%,优于现有最优方法。

应用场景