双通道深度卷积神经网络的航空发动机剩余使用寿命预测方法
苗青林
张晓丰
高杨军
刘显光
秦丕胜
空军工程大学装备管理与无人机工程学院,西安,710051
摘要：提出了一种基于双通道的深度卷积神经网络方法,用来预测航空发动机剩余使用寿命.该方法在传统卷积神经网络上,应用最大信息系数进行数据降维、卡尔曼滤波进行数据降噪;通过数据切片,将数据片标签设置为最后一个循环的剩余使用寿命,实现数据重构;引入分段和线性剩余使用寿命衰减模型,并给出了寿命衰减起始点判断方法;将寿命衰减前、寿命衰减中2种特征作为双通道网络模型的输入.在NASA涡轮风扇发动机仿真数据集(C-MAPSS)上测试结果显示,在测试数据范围较大时,该方法相关指标明显优于其他方法,在航空发动机剩余寿命预测上具有显著优势.
关键词：航空发动机剩余使用寿命深度卷积神经网络双通道最大相关系数
分类号：V23(航空发动机（推进系统）)TP391.4(计算技术、计算机技术)
论文发表日期：2022-04-25
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( 12-18 )
英文信息