基于注意力机制和CNN-BiLSTM模型的航空发动机剩余寿命预测
日期:2022.12.01 点击数:6
【类型】期刊
【作者】张加劲
【刊名】电子测量与仪器学报
【关键词】 注意力机制,航空发动机,卷积神经网络,剩余寿命,双向长短期记忆网络
【摘要】航空发动机作为飞机的主要动力源,其可靠性是保证飞机安全的关键。剩余使用寿命预测对于提高航空发动机的可用性和降低其寿命周期成本具有重要意义。针对现有的预测算法存在对航空发动机多维数据特征提取不足的问题,提出了一种基于注意力机制的卷积神经网络和双向长短期网络融合模型。首先,采用卷积神经网络提取特征和双向长短期记忆网络获取特征中的长短期依赖关系;其次,使用注意力机制来突出特征中的重要部分,提高模型预测的准确率。为验证所提出方法的有效性,在C-MAPSS数据集上进行了实验。实验表明,模型可以准确地预测出航空发动机的剩余使用寿命,并比传统方法有着更高的预测精度。
【年份】2022
【作者单位】厦门大学航空航天学院;
【期号】08
【页码】231-237
相关文章
- 1、基于优化混合模型的航空发动机剩余寿命预测方法 作者:刘月峰,张小燕,郭威,边浩东,何滢婕, 年份:2022
- 2、基于数据驱动的航空发动机剩余寿命预测研究 作者:李雅 年份:2022
- 3、基于多变量多步CNN的航空发动机剩余寿命预测 作者:曹越, 年份:2023
- 4、基于字符与单词嵌入的航空安全命名实体识别 作者:孙安亮,时宏伟,王金策, 年份:2022
- 5、基于视频序列的飞机乘客检测方法研究与应用 作者:黄欣欣 年份:2022
- 6、基于改进的SENet航空发动机振动预测 作者:夏存江,詹于游, 年份:2022