技术详细介绍
本发明公开了一种基于混合神经网络模型的机电设备健康状态预测方法，包括收集机电设备工况参数时间序列历史数据样本和健康状态标志的时间序列历史数据样本；
针对每种类型的工况参数的时间序列历史数据样本，分别建立相应的LSTM网络模型，并通过各自相应的LSTM网络模型自动提取各种类型的工况参数的特征；
为LSTM网络模型的输出层向量中每个特征输出赋予不同的权值，获取各个LSTM网络模型的输出层向量的加权输出等步骤。
优点是：针对每个工况参数，设置一个LSTM网络模型，可以充分挖掘工况参数和机电设备健康状态之间的时序依赖关系，并充分考虑不同工况参数对机电设备健康状态之间的不同影响，设置不同的参数值，从而使得机电设备的健康状态预测更为准确。