基于迁移学习的空间行波管长寿命快速预测算法

本申请涉及微波电子器件技术领域，公开了一种基于迁移学习的空间行波管长寿命快速预测算法，包括：S1‑数据预处理、S2‑构建GRU源模型以及S3‑迁移学习微调。本申请，通过构建一阶差分序列表征行波管退化特征，结合数据清洗及标准化变换，有效提升数据质量并保留真实退化趋势；采用GRU网络精简门控机制，减少约参数量，提升长序列数据训练速度与内存效率；通过迁移学习仅微调MLP解码器第一层偏置参数，快速适配目标数据，兼具高效特征提取与跨场景泛化能力，实现空间行波管长寿命的快速、准确预测，显著增强工程适用性与模型训练稳定性，为空间行波管长寿命快速预测提供了可靠的技术方案。