基于跨专业长时间序列的故障预测模型及其维修保障应用研究

来源：计算机测量与控制杂志2025年第2期北京时间：

作者：于思宁,任朝旭,韩惠婕,潘国庆

单位：中国航天标准化研究所

摘要：装备的故障预测与预防性维修在装备维修保障领域至关重要，针对装备维修保障领域提出了一种基于跨专业长时间序列的设备故障预测模型，对深度学习中的长短时记忆网络（LSTM）等模型进行了应用研究，利用模型处理跨不同专业的长时间序列数据，成功构建了能够有效处理和分析不同专业设备数据的高效预测模型；通过对某型装备系统健康状态监测的运行数据进行试验分析，验证了该模型的工程应用性能，通过对传感器数据的精准分析，模型实现对装备系统潜在故障的提前识别，针对测试集的故障预测准确率达到95%，表现出较高的准确性和稳定性并能够提前识别潜在的设备故障为维修人员提供及时的维护建议；在装备领域为设备故障预测提供了更为有效的创新技术方案，为装备维修保障工作提供工程应用价值。

关键词：跨专业;长时间序列;LSTM;故障预测