基于Autoencoder-BLSTM的渦扇發動機剩余壽命預測
摘要：準確預測渦扇發動機的剩余使用壽命,對于合理制定維護策略,降低維護成本具有重要意義。針對發動機狀態監測數據樣本量大、維度高的特點,提出一種整合自編碼神經網絡(Autoencoder)和雙向長短期記憶(BLSTM)神經網絡優勢的混合健康狀態預測模型,優化渦扇發動機的剩余使用壽命預測。首先利用Autoencoder方法作為特征提取工具,對狀態監測數據進行壓縮,然后利用BLSTM方法捕捉特征雙向長程依賴的特性,構建剩余使用壽命的混合深度學習預測模型。基于通用數據集開展測試比較,結果表明Autoencoder-BLSTM混合模型的預測精度優于現有多層感知機、支持向量回歸、卷積神經網絡和長短期記憶神經網絡等方法,可有力支撐渦扇發動機的健康管理與運維決策。
注: 保護知識產權,如需閱讀全文請聯系計算機集成制造系統雜志社
相關推薦
更多
