论文全文 - 2023交通能源与智能动力大会 混合动力及先进汽油机
机器运行时,将润滑油的状态进行监测对其正常运转和寿命至关重要。在复杂的工业环境下,分析和预测润滑油传感器数据是一个具有挑战性的任务。为此,本文提出了一种基于Bi-LSTM和注意力机制的润滑油数据分析模型。该模型通过Bi-LSTM捕捉长期依赖关系,结合注意力机制进行精确关注度分配,构建了特征处理和时间序列预测模块。预处理工作包括数据清洗、归一化和划分以保证质量和可用性。Bi-LSTM用于构建时间序列预测模块,学习并准确预测时序特征。注意力机制提高了预测精度,根据不同时间步的重要性分配权重。实验选用“道达尔46”油品监测数据,以运动粘度为预测目标,其他指标作为输入特征。结果显示,本文模型在测试集上的RMSE和MAE明显优于其他模型,有效地准确预测了润滑油的运动粘度,表现出高准确性和稳定性。本文模型为润滑油监测数据的分析提供了有力支持, 有望在工业实践中广泛应用。
查看