基于RSM-XGBoost和KF的航空发动机RUL预测
李东文1
王海瑞1
朱贵富2
刘翠琴1
杨修琦3
1.昆明理工大学信息工程与自动化学院,昆明,6505042.昆明理工大学信息化建设管理中心,昆明,6505043.昆明理工大学材料科学与工程学院,昆明,650504
摘要：航空发动机精确的剩余使用寿命预测是确保发动机安全服役必须开展的环节.针对复杂工况环境下涡扇发动机的剩余使用寿命预测问题,提出了一种基于极端梯度提升和卡尔曼滤波的寿命预测模型.首先,采用高斯分布对原始振动数据进行分析,提取具有时间序列和退化趋势的特征数据,并为其设置剩余使用寿命(RUL)标签;其次,利用随机搜索算法对融合参数范围进行寻优,在极端梯度提升(XGBoost)中加入卡尔曼滤波器解决预测值不平滑和噪声干扰的问题;最后在商用模块化航空推进系统仿真数据集(C-MAPSSC)上进行了验证和分析,实验结果证明:与其他模型相比,文中采用的寿命预测方法准确度更高.
关键词：剩余使用寿命XGBoost随机搜索算法卡尔曼滤波航空发动机
分类号：V23(航空发动机（推进系统）)TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(61263023)国家自然科学基金(61863016)
论文发表日期：2023-06-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 34-42 )
英文信息