TY -的A2王长非盟-文百,陈盟- Chang,刘盟——Weizhao陈盟——Huixiang刘盟-七里,陈盟——Peiliang吴PY - 2021 DA - 2021/12/20 TI -预测方法的荷重软化设备缺失数据SP - 2122655六世- 2021 AB -我们现在预测框架估计设备的剩余使用寿命(原则)的基础上生成敌对的归责净(增益)和多尺度卷积神经网络和长期短期记忆(MSDCNN-LSTM)。我们提出的方法解决了传感器故障导致了缺失数据问题在工程应用。首先,一个二进制矩阵是用来调整“0”的比例来模拟在工程环境中缺失的数据的数量。然后,获得模型用于转嫁丢失的数据和近似真实的样本分布。最后,MSDCNN-LSTM原则模型用于预测。实验是进行商业模块化aero-propulsion系统仿真(C-MAPSS)数据集来验证该方法。预测结果表明,该方法优于其他方法当发生丢包时,显示显著改善的均方根误差(RMSE)和得分函数值。SN - 1076 - 2787你——https://doi.org/10.1155/2021/2122655——10.1155 / 2021/2122655 JF - PB - Hindawi KW - ER -复杂性