基于GRU Encoder-decoder和注意力机制的RUL预测方法

作者：兰杰; 李宁; 李志宁^*; 吕建刚

来源：现代电子技术, 2023, 46(08): 99-105.

DOI：10.16652/j.issn.1004-373x.2023.08.018

• 剩余使用寿命
• RUL预测方法
• 门控循环神经网络
• 解码编码器
• 注意力机制
• 对比验证

深度学习模型可直接建立机械设备的状态与剩余使用寿命（RUL）之间的映射关系，从而避免人工提取特征和建立健康指标的过程。文中基于深度学习理论，提出一种基于注意力机制和时序编码解码器（Encoder-decoder）相结合的RUL预测方法。首先，基于门控循环神经网络（GRU）构建一个时序编码解码器以实现输入序列的重构，其中GRU-Encoder对输入的多元时间序列进行编码；再引入注意力机制对GRU-Encoder在每个时刻的输出向量进行加权融合，以融合后的向量作为编码结果，并将其输入到GRU-Decoder中实现输入序列的重构，同时将编码结果映射为输入样本的RUL。采用CMAPSS数据集对所提方法的有效性进行验证，结果表明，该方法预测精度较高，可行且有效。

• 单位
  中国人民解放军陆军工程大学