基于改进RNN和VAR的船舶设备故障预测方法.pdf

http://www．jsjkx．com
DOI:１０．１１８９６/jsjkx．２００７００１１７
基于改进 RNN 和 VAR 的船舶设备故障预测方法
曾友渝 谢 强
　
南京航空航天大学计算机科学与技术学院 南京
　 ２１１１０６
　(１０５６５３２５９６＠qq．com)
　
摘 要 针对现有的多变量时间序列预测方法不能适用于船舶多设备故障预测的问题,提出一种基于改进的循环神经网络和
　 　
,又有助
,从船舶历史数据库中提取出正常状态数据和故障状态数据,
将其多变量时间序列转化为监督学习问题的输入;然后,通过注意力机制捕获船舶多变量之间复杂的相关性;接着,将注意力机
制的输出同时作为循环神经网络和向量自回归的输入,分别捕获船舶时间信号的非线性关系和线性关系;最后,将循环神经网
,提出的预测方法在船舶设备故障预测中训
练过程的稳定性高,测试结果的均方根误差低于 ,从而能更精确地预测船舶设备属性的趋势并避免故障的发生.
１．２
关键词:注意力机制;循环神经网络;向量自回归;故障预测;船舶设备
中图法分类号
　TP２０６
　
FaultPredictionMethodBasedonImprovedRNNandVARforShipEquipment
ZENG YouＧyuandXIEQiang
CollegeofComputerScienceandTechnology,NanjingUniversityofAeronauticsandAstronautics,Nanjing２１１１０６,China
　
Abstract
　AimingattheproblemthattheexistingmultivariabletimeseriespredictionmethodscannotbeappliedtothemultiＧ
sensorfaultpredictionofships,animprovedrecurrentneuralnetworkandvectorautoregressivefaultpredictionmethodforships
equipmentisproposed．Thismethodcanno