典型文献
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
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
苗青林;张晓丰;高杨军;刘显光;秦丕胜
作者机构：
空军工程大学装备管理与无人机工程学院,西安,710051
文献出处：
引用格式：
[1]苗青林;张晓丰;高杨军;刘显光;秦丕胜-.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)[J].空军工程大学学报,2022(02):12-18
A类：
B类：
深度卷积神经网络,航空发动机,剩余使用寿命预测,寿命预测方法,神经网络方法,测航,最大信息系数,数据降维,卡尔曼滤波,数据降噪,数据重构,寿命衰减,衰减模型,始点,判断方法,双通道网络,NASA,涡轮风扇发动机,仿真数据,MAPSS,测试数据,标明,其他方法,剩余寿命预测,显著优势,最大相关系数
AB值：
0.305481
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
