关键词：GRU;神经网络;CRITIC权重法;机械设备;故障预测
摘 要：随着当代工业的快速发展，对机械设备的稳定运行提出了更高的要求，如何使机械设备高效有序运行，是当前各企业面临的挑战。传统的机械故障预测技术在复杂的数据场景下适用性较低，论文提出一种基于GRU神经网络的机械设备故障预测方法，对设备运行过程中产生的时序数据进行收集分析。论文使用CRITIC权重法确定影响故障发生的关键参数，通过GRU神经网络模型对设备历史数据进行预测分析。论文应用该方法，对机械设备运行的时序数据进行预测，结果显示，该方法能够提高机械设备故障预测准确率，降低人工成本，实现有效的机械设备故障预测。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取