산업 장비의 경보 시스템은 일반적으로 센서 임계값에 의존하여 경보를 발령하지만, 이러한 임계값 미만의 시계열 이상을 감지하지 못하는 경우가 많다. 인공지능 기술을 활용해 철도차량 공기압축기 작동의 이상 징후를 파악하면 안전성과 신뢰성이 모두 향상된다. 이 연구는 자동 인코더의 재구성 아키텍처와 공기 압축기 작동의 이상 징후를 감지하기 위한 주의 메커니즘을 통합한 새로운 양방향 LSTM 신경망 모델을 제시한다. 이 모델은 정상 조건의 데이터 세트에서 학습하고 비정상적인 데이터 조건에서 향상된 이상 탐지 기능을 보여준다. 기존의 이상 징후 감지 방법에 비해 개선된 모델은 우수한 성능과 더 효과적인 이상 징후 감지를 제공한다.