基于SAE-SA-1D-CNN-BGRU的涡扇发动机剩余寿命预测 |
| |
引用本文: | 聂 磊,蔡文涛,张吕凡,徐诗奕,吴柔慧,任一竹.基于SAE-SA-1D-CNN-BGRU的涡扇发动机剩余寿命预测[J].航空发动机,2023,49(4):134-139. |
| |
作者姓名: | 聂 磊 蔡文涛 张吕凡 徐诗奕 吴柔慧 任一竹 |
| |
作者单位: | 1.湖北工业大学 机械工程学院,2.湖北省现代制造质量工程重点实验室:武汉 430068 |
| |
基金项目: | 国家自然科学基金(51975191)资助 |
| |
摘 要: | 为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用
神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码(SAE)网络从高维传感器数据中提取健康因子(HI),采用1维卷积神
经网络-双向门控循环单元(1D-CNN-BGRU)方法捕捉HI序列中的空间和时间特征,并引入自注意(SA)机制对捕捉的特征分配
权重,使用全连接层输出涡扇发动机剩余使用寿命(RUL),以此构建复合神经网络进行面向涡扇发动机高维数据的寿命预测。结
果表明:利用NASA官方网站提供的涡扇发动机寿命试验公开数据集C-MAPSS对该方法进行验证,取得了均方根误差16.22和评
分函数225的结果。证明了基于SAE-SA-1D-CNN-BGRU的寿命预测方法可实现涡扇发动机寿命的有效预测,能为涡扇发动机
维修保障及健康管理提供有效决策支撑。
|
关 键 词: | 剩余使用寿命 堆叠自编码网络 1维卷积神经网络 双向门控循环单元 涡扇发动机 智能运维 深度学习 |
Remaining Useful Life Prediction of Turbofan Engine Based on SAE-SA-1D-CNN-BGRU |
| |
Authors: | Nie Lei CAI Wen-tao ZHANG Lyu-fan XU Shi-yi WU Rou-hui REN Yi-zhu |
| |
Abstract: | |
| |
Keywords: | |
|
| 点击此处可从《航空发动机》浏览原始摘要信息 |
| 点击此处可从《航空发动机》下载免费的PDF全文 |