10.16508/j.cnki.11-5866/n.2020.04.010
基于CAE与LSTM的航空发动机剩余寿命预测
通过深度学习方法构建航空发动机的健康状况评估模型,并在此模型基础上进行剩余寿命预测.基于卷积自编码器构建航空发动机的健康因子(health indicator,HI),以其HI值反映健康状况;通过长短期记忆网络(long short-term memory,LSTM)建立HI与剩余寿命的特征关系,实现剩余寿命预测.经比较验证,此间接方法的预测精度优于多层感知机、支持向量回归等浅层神经网络,以及卷积神经网络、多层LSTM等直接预测的深度学习方法.
航空发动机、剩余寿命预测、健康因子、卷积自编码器、长短期记忆
35
TP183;V23(自动化基础理论)
北京市自然科学基金资助项目4162025
2020-10-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
57-62