基于LSTM分类器的航空发动机预测性维护模型

【类型】期刊

【作者】蔺瑞管 王华伟 车畅畅 倪晓梅 熊明兰  

【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