典型文献
基于SMIV-1DCNN的燃气轮机剩余使用寿命预测方法研究
文献摘要：
为了实现船用燃气轮机剩余使用寿命的预测,对燃气轮机健康监测参数进行斯皮尔曼(Spearman)相关关系分析,采用平均影响值(Mean Impact Value,MIV)进一步分析监测参数对性能退化的敏感性,筛选出敏感特征;对得到的燃气轮机特征参数进行预处理,以消除外界环境的影响;研究了一维卷积神经网络(One Dimension Convolu-tional Neural Networks,1DCNN),挖掘滑窗特征参数与运行时间的映射关系,实现燃气轮机剩余使用寿命预测.基于美国国家航天局发布的航空发动机退化数据集,验证了SMIV-1DCNN剩余使用寿命预测方法的有效性;开展了船用燃气轮机性能退化剩余使用寿命预测仿真试验.仿真试验结果表明,该方法不受燃气轮机初始状态影响,剩余使用寿命预测绝对误差56.10、平均绝对百分误差107.87、均方误差70.95,预测性能优于BP神经网络、LSTM神经网络与GRU神经网络.
文献关键词：
燃气轮机;剩余使用寿命;预测;卷积神经网络;特征降维
中图分类号：
作者姓名：
韩国栋;曹云鹏;徐志强;王伟影
作者机构：
哈尔滨工程大学动力与能源工程学院,黑龙江哈尔滨150001;中国船舶集团有限公司第七○三研究所,黑龙江哈尔滨150078
文献出处：
引用格式：
[1]韩国栋;曹云鹏;徐志强;王伟影-.基于SMIV-1DCNN的燃气轮机剩余使用寿命预测方法研究)[J].热能动力工程,2022(02):25-32
A类：
SMIV
B类：
1DCNN,剩余使用寿命预测,寿命预测方法,船用燃气轮机,健康监测,监测参数,斯皮尔曼,关系分析,平均影响值,Mean,Impact,Value,分析监测,性能退化,敏感特征,除外,外界环境,一维卷积神经网络,One,Dimension,Convolu,tional,Neural,Networks,滑窗,运行时间,映射关系,国家航天局,航空发动机,退化数据,仿真试验,初始状态,绝对误差,均方误差,预测性能,GRU,特征降维
AB值：
0.27029
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。
