其次，循环神经网络（RNN）及其变体，如长短期记忆网络（LSTM）和门控循环单元（GRU），专为序列数据设计，能够学习长期的时间依赖性，对于检测周期性设备中的渐变性异常或行为漂移至关重要。此外，将物理知识（如设备动力学模型）与数据驱动的深度学习模型相结合，形成物理信息神经网络，有望进一步提升模型的准确性、泛化能力和可解释性，最终为实现真正智能、自主的工业系统奠定坚实基础。因此，模型轻量化技术，如剪