TY -的A2 -李,朝阳盟——楚Chia-Hua AU -李,Chia-Jung盟——叶Hsiang-Yuan PY - 2020 DA - 2020/12/07 TI -发展中深生存模型剩余使用寿命的评估基于卷积神经网络短期记忆和长期SP - 8814658六世- 2020 AB -机械设备制造业的应用越来越复杂的技术开发和采用。为了保持生产线的高可靠性和稳定性,减少停机时间,维修和日常维护的频率是必要的。因为机器和组件的退化是不可避免的,准确估算的剩余使用寿命至关重要。我们提出了一个集成的深度学习方法与卷积神经网络和长期短期记忆网络学习的特点和估计剩余使用寿命值与深度生存模型基于离散威布尔分布。我们进行了涡扇发动机退化模拟数据集从商业模块化Aero-Propulsion NASA提供的系统仿真数据集来验证我们的方法。改进的结果证明,我们的模型可以捕捉错误的退化趋势,在复杂条件下性能优越而现有最先进的方法。我们的研究提供了一种有效的特征提取方案和提供了一个有前途的预测方法做出更好的维护策略。SN - 1530 - 8669你2020/8814658 / 10.1155——https://doi.org/10.1155/2020/8814658——摩根富林明——无线通信和移动计算PB - Hindawi KW - ER