基于改進差分時域特征和深度學習優化的航空發動機剩余壽命預測算法
摘要：實現航空發動機剩余壽命的準確預測對于保證飛行安全和提高維修效率具有重要意義,但現有的預測算法往往只是淺層結構,且對各傳感器參數之間的相互關系缺乏關聯性考慮,限制了對發動機參數信息的深度挖掘。在深度學習理論的基礎上,著重考慮不同傳感器之間的參數關系,引入差分時域特征擴充特征集,構建了基于長短時記憶網絡的壽命預測模型DTF-LSTM。在C-MAPSS數據集上的實驗結果表明,該算法相較于其他深度學習算法具有更低的均方根誤差(RMSE)值,可以有效實現發動機剩余壽命預測。
注: 保護知識產權,如需閱讀全文請聯系電子測量與儀器學報雜志社
相關推薦
更多
