典型文献
基于注意力机制和CNN-BiLSTM模型的航空发动机剩余寿命预测
文献摘要：
航空发动机作为飞机的主要动力源,其可靠性是保证飞机安全的关键.剩余使用寿命预测对于提高航空发动机的可用性和降低其寿命周期成本具有重要意义.针对现有的预测算法存在对航空发动机多维数据特征提取不足的问题,提出了一种基于注意力机制的卷积神经网络和双向长短期网络融合模型.首先,采用卷积神经网络提取特征和双向长短期记忆网络获取特征中的长短期依赖关系;其次,使用注意力机制来突出特征中的重要部分,提高模型预测的准确率.为验证所提出方法的有效性,在C-MAPSS数据集上进行了实验.实验表明,模型可以准确地预测出航空发动机的剩余使用寿命,并比传统方法有着更高的预测精度.
文献关键词：
航空发动机;剩余寿命;卷积神经网络;注意力机制;双向长短期记忆网络
中图分类号：
作者姓名：
张加劲
作者机构：
厦门大学航空航天学院 厦门 361005
文献出处：
引用格式：
[1]张加劲-.基于注意力机制和CNN-BiLSTM模型的航空发动机剩余寿命预测)[J].电子测量与仪器学报,2022(08):231-237
A类：
长短期网络
B类：
注意力机制,BiLSTM,航空发动机,剩余寿命预测,动力源,飞机安全,剩余使用寿命预测,可用性,寿命周期成本,预测算法,多维数据,数据特征,网络融合,融合模型,提取特征,双向长短期记忆网络,依赖关系,突出特征,MAPSS,预测出,出航
AB值：
0.228132
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。
