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

【类型】期刊

【作者】苗青林 张晓丰 高杨军 刘显光 秦丕胜  

【刊名】空军工程大学学报(自然科学版)

【关键词】 航空发动机,深度卷积神经网络,最大相关系数,双通道,剩余使用寿命

【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。

【年份】2022

【作者单位】空军工程大学装备管理与无人机工程学院;

【期号】02

【页码】12-18