一种基于预训练的固态硬盘RUL预测方法

作者：王小毫; 陈雯柏^*; 张波; 刘辉翔; 王一群

来源：北京信息科技大学学报(自然科学版), 2022, 37(05): 40-67.

DOI：10.16508/j.cnki.11-5866/n.2022.05.007

• 固态硬盘
• 剩余使用寿命
• Transformer
• 预训练
• 硬盘驱动器
• 注意力机制
• 神经网络

针对固态硬盘(solid state drive, SSD)剩余使用寿命预测中故障样本数据较少的问题，提出一种基于Transformer预训练的固态硬盘剩余使用寿命(remaining useful life, RUL)预测方法。首先使用基于注意力机制的神经网络模型Transformer对存储磁盘中的硬盘驱动器(hard disk drive, HDD)进行预训练，得到一个硬盘驱动器剩余使用寿命初始模型，再用数据量少的固态硬盘数据对该模型进行精调，最后实现对固态硬盘设备的剩余使用寿命进行有效的预测。实验结果表明：建立的固态硬盘剩余使用寿命回归模型在40天以内的寿命预测中可以达到较好的效果。

• 单位
  自动化学院; 北京信息科技大学