典型文献
基于堆栈自编码器和DeepAR的航空发动机剩余寿命预测
文献摘要：
针对现有航空发动机剩余寿命预测大多基于单点预测模式,不能准确给出预测结果置信区间的问题,提出了一种基于堆栈自编码器结合DeepAR模型的概率分布预测模型.首先,堆栈自编码器通过无监督式深度学习对发动机监测数据进行特征提取,构建反映性能退化的健康指标(HI),基于双向长短期记忆(BiLSTM)网络构建DeepAR预测模型,将提取后的HI序列输入到DeepAR模型中,预测模型对HI序列与使用时间的隐含关系进行全局学习,并输出发动机剩余寿命的概率分布参数.利用C-MPASS涡扇发动机退化数据集进行实验,验证所提方法的有效性.结果表明,本文所提预测方法同其他方法相比,对监测数据融合的效果更好,预测模型性能提高6.4％,实际剩余寿命基本在95％置信区间内.
文献关键词：
航空发动机;寿命预测;预测模型;深度学习;数据融合
中图分类号：
作者姓名：
李浩;王卓健;李哲;陈煊;李园
作者机构：
空军工程大学 航空工程学院,陕西西安 710038
文献出处：
引用格式：
[1]李浩;王卓健;李哲;陈煊;李园-.基于堆栈自编码器和DeepAR的航空发动机剩余寿命预测)[J].推进技术,2022(11):67-75
A类：
MPASS
B类：
堆栈自编码器,DeepAR,航空发动机,剩余寿命预测,单点,点预测,预测模式,置信区间,概率分布,分布预测,无监督,反映性,性能退化,健康指标,HI,双向长短期记忆,BiLSTM,网络构建,使用时间,全局学习,分布参数,涡扇发动机,退化数据,其他方法,数据融合,模型性能,性能提高
AB值：
0.256307
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。
