典型文献
基于改进LSTM的航空发动机寿命预测方法研究
文献摘要：
发动机剩余寿命(RUL)预测时,进行数据特征提取易导致预测效率低下.为解决此问题,提出一种改进的长短期记忆(LSTM)算法模型.通过引入深度稀疏自动编码器(SDAE)完成时序数据的处理与特征提取,优化LSTM模型,改善航空发动机RUL预测效果.利用SDAE进行特征提取,构建健康因子(HI)曲线;同时考虑运行工况、故障模式和传感器3个因素,并分别训练其权重.利用LSTM模型进行发动机剩余寿命预测.利用涡扇发动机退化过程数据集C-MAPSS开展实验,并与DNN、BiLSTM、单层LSTM进行对比分析.结果表明:与上述3种算法相比,改进后算法的均方根误差和评分函数值至少分别降低6.6％和39.1％;该方法寿命预测结果和实际寿命曲线拟合度高,验证了该方法的可行性和有效性.
文献关键词：
航空发动机;长短期记忆网络;自动编码器;剩余寿命预测
中图分类号：
作者姓名：
郭晓静;殷宇萱;贠玉晶
作者机构：
中国民航大学电子信息与自动化学院, 天津300300
文献出处：
引用格式：
[1]郭晓静;殷宇萱;贠玉晶-.基于改进LSTM的航空发动机寿命预测方法研究)[J].机床与液压,2022(20):185-193
A类：
B类：
航空发动机,寿命预测方法,RUL,数据特征,算法模型,深度稀疏自动编码器,SDAE,时序数据,健康因子,HI,运行工况,故障模式,剩余寿命预测,涡扇发动机,过程数据,MAPSS,DNN,BiLSTM,函数值,少分,实际寿命,寿命曲线,曲线拟合,拟合度,长短期记忆网络
AB值：
0.299249
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。
