基于改进卷积神经网络的航空发动机剩余寿命预测
马忠
郭建胜
顾涛勇
毛声
1.空军工程大学装备管理与无人机工程学院,西安,7100512.空军工程大学装备管理与无人机工程学院,西安,7100513.空军工程大学装备管理与无人机工程学院,西安,7100514.空军工程大学装备管理与无人机工程学院,西安,710051
摘要：航空发动机结构复杂,状态变量多且相互之间存在着严重非线性特征,传统的基于物理失效模型的方法难以精确地预测发动机的剩余寿命(RUL).针对此问题,采用改进的卷积神经网络(CNN)方法对发动机剩余寿命进行预测.预测过程通过建立退化模型,给每个训练样本添加RUL标签;为了更好地提取发动机使用过程中状态变量与剩余寿命之间的相关关系,使用不同的一维卷积核提取序列趋势信息特征;将特征输入构建的卷积神经网络得到剩余寿命的预测值.为了验证方法的有效性,在NASA提供的涡轮风扇发动机仿真数据集(C-MAPSS)上进行了测试,并与深度信念网络等方法对比,结果表明改进的卷积神经网络拥有更高的精度.
关键词：航空发动机剩余寿命卷积神经网络线性退化时间窗
分类号：V23(航空发动机（推进系统）)TP183(自动化基础理论)
论文发表日期：2020-12-25
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：7( 19-25 )
英文信息