基于LSTM分类器的航空发动机预测性维护模型
日期:2022.12.01 点击数:6
【类型】期刊
【刊名】系统工程与电子技术
【关键词】 二分类,长短期记忆网络,时间窗,故障预测与健康管理,预测性维护
【摘要】利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health management, PHM)的关键问题。针对发动机剩余寿命预测准确性低的问题,提出基于长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选,并将有效信息用于时间序列预测。首先,采用滑动时间窗口制备训练样本。其次,将预处理后的样本输入LSTM,预测设备在特定时间窗口内的失效概率。然后,通过调整窗口大小,得到最优性能的二分类模型,以更好地适应预测维护需求。最后,利用美国航空航天局C-MAPSS数据集验证了该模型的有效性,相比于已有分类方法,其在剩余使用寿命分类方面更加准确。
【年份】2022
【作者单位】南京航空航天大学民航学院;
【期号】03
【页码】1052-1059
相关文章
- 1、基于LSTM分类器的航空发动机预测性维护模型 作者:蔺瑞管,王华伟,车畅畅,倪晓梅,熊明兰, 年份:2022
- 2、基于注意力与LSTM的航空发动机剩余寿命预测 作者:王欣,孟天宇,周俊曦, 年份:2022
- 3、事件驱动的航空制造流水线预测性维护决策研究 作者:张文沛,崔鹏浩,李洋,延爽, 年份:2022
- 4、数据驱动视角下飞机故障预测与健康管理系统设计及验证 作者:刘亮,周博,于涛,张宁, 年份:2018
- 5、航空装备故障预测与健康管理技术应用研究 作者:李秀玲,潘永生, 年份:2020
- 6、民航旅客延误评估与行程优化方法研究 作者:周凯 年份:2020