一种融合软聚类先验注意力与多尺度卷积的新型Transformer模型，用于多工况下空调系统的剩余使用寿命预测

《Scientific Reports》：A novel transformer with soft-cluster prior attention and multi-scale convolution for remaining useful life prediction in air conditioning systems under multi-operating conditions

　　

摘要

为了确保高校图书馆采集所需的稳定温湿度环境，准确预测空调系统在各种工况下的剩余使用寿命具有重要意义。因此，本文开发了一种融合软聚类先验注意力和多尺度卷积的新型Transformer模型，用于空调系统的多工况剩余使用寿命预测。首先，采用增强的多视角模糊C均值聚类分类器获取可靠的工况标签和软隶属度。此外，在Transformer网络中引入软聚类先验注意力模块，通过转移感知门控机制分离工况内部依赖和跨工况依赖。同时，嵌入多尺度卷积构建状态模式感知编码器，并利用LSTM解码器生成剩余使用寿命预测轨迹。训练阶段重点关注转移区段和轻量级门控正则化，推理阶段采用滑动窗口隶属度更新以保持因果性。实验表明，该方法显著提高了预测精度和稳定性，增强了对环境温度变化的适应性，并降低了模式切换附近的误差。