基于残差NLSTM网络和注意力机制的航空发动机剩余使用寿命预测

摘要：

针对长短期记忆(LSTM)网络对于多维数据特征识别和提取上存在不足的问题,在其改进模型嵌套式长短期记忆(NLSTM)网络的基础上,提出了一种基于注意力机制和残差NLSTM网络的剩余使用寿命预测方法.该方法将双层NLSTM网络代替残差块中的主网络,保留捷径连接中的卷积神经网络结构,既能充分提取时序特征又能保证有用数据在网络层中的跳层传递,并融入注意力机制构建多层残差网络,注意力机制的使用能够选择出对预测结果有重要影响的信息,有效提高预测的准确率.在航空发动机退化实验数据集上进行实验分析,结果表明:所述方法能有效建立监测数据与发动机健康状态之间的关系,剩余使用寿命预测误差较未改进残差结构方法平均降低10.8％,比未融入注意力机制方法平均降低18.9％,有效提高了预测精度.

关键词：残差网络、剩余使用寿命、注意力机制、预测模型、嵌套式长短期记忆神经网络

所属期刊栏目：38

分类号：V240.2(航空仪表、航空设备、飞行控制与导航)

资助基金：国家自然科学基金;国家自然科学基金;机械传动国家重点实验室开放基金;水电机械设备设计与维护湖北省重点实验室三峡大学开放基金项目;武汉科技大学冶金装备;教育部重点实验室开放基金

在线出版日期：2023-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1176-1184