该模型采用改进Savitzky-Golay滤波器处理多变数据，并结合CNN与LSTM融合时空特征，显著提升复杂工况下剩余寿命预测的准确性与鲁棒性。
李相阳 · 王丽君 · Xiao, Ma · 苗彬 · Xu, Donglai · Cheng, Ruixue
Scientific Reports 2024
改进的Savitzky-Golay滤波器能够应对大数据量和快速变化的数据，增强数据预处理效果，从而为后续模型提供更可靠输入。
通过CNN提取多通道空间特征，LSTM捕获时间依赖，二者的融合提高了预测准确性和鲁棒性。
在C-MAPSS数据集上，该模型在单故障类型预测任务中优于经典算法，而多故障类型预测并非其最优场景。