注意機構と最適化アルゴリズムを統合したフィルター寿命と性能予測に関する研究

科学分野:

• 環境工学
• 化学工学
• データサイエンス

背景:

• クリーンルームの空気質は、システムの効率と製品の品質にとって非常に重要です。
• ガスろ過材の劣化は、高度な予知保全を必要とします。
• 従来の交換戦略は、複雑な汚染シナリオには不十分です。

研究 の 目的:

• ガスろ過材の残存耐用期間（RUL）予測モデルを開発すること。
• 予測機能を強化するために複数の機械学習技術を統合すること。
• フィルター性能とRULの同時予測のための統一されたフレームワークを提供すること。

主な方法:

• ランダムフォレスト、BiLSTM、自己注意機構、PSOを統合したPSO-RF-BiLSTM-Attentionモデルを開発しました。
• SO2下での活性炭フィルターの劣化をシミュレートするための実験プラットフォームを設計しました。
• モデルのトレーニングと検証のために多次元運用データを収集しました。

主要な成果:

• PSO-RF-BiLSTM-Attentionモデルはベースラインモデルを大幅に上回りました。
• 平均絶対誤差（MAE）を約58.7％削減しました。
• 決定係数（R2）を約5.6％向上させました。

結論:

• 提案されたモデルは、複雑な劣化シナリオにおけるガスフィルター材の性能とRULを効果的に予測します。
• 同時予測のための統一されたフレームワークの実現可能性を示しました。
• クリーンルーム環境におけるインテリジェントな保守戦略に効果的なサポートを提供します。