关键词
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   来源: 系统工程与电子技术 年份: 2022 文献类型 : 期刊 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  
描述: 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。
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   来源: 系统工程与电子技术 年份: 2022 文献类型 : 期刊 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  
描述: 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。
< 1
Rss订阅