多源统计数据驱动的航空发动机剩余寿命预测方法

作者： 赵广社   吴思思   荣海军   来源： 西安交通大学学报 年份： 2018 文献类型 ： 期刊 关键词： 航空发动机   剩余寿命   概率密度函数   统计数据驱动  

描述： 针对统计数据驱动方法中多变量无法建立退化模型的问题,提出了一种多源统计数据驱动的航空发动机剩余寿命(RUL)预测方法。建立了基于欧氏距离的航空发动机监测信息融合模型,综合多源监测数据以量化发动机健康状态退化过程;构建了基于非线性漂移维纳过程的航空发动机退化模型,推导发动机剩余寿命概率密度函数解析式,实现对发动机剩余寿命的估计。选取C-MAPSS数据集进行仿真实验,结果表明,与已有研究结果相比,所提方法预测结果在确定系数和惩罚得分两项均有所改进。该方法可为其他非线性退化系统的RUL预测提供一定的参考。

基于KPCA-BLSTM的航空发动机多信息融合剩余寿命预测

作者： 胡启国   白熊   杜春超   来源： 航空工程进展 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   剩余寿命   多信息融合   核主成分分析   双向长短时记忆  

描述： 复杂航空发动机在运行过程中易出现多退化信息而导致寿命预测不精确的问题，为此提出基于核主成分分析（KPCA）和双向长短时记忆（BLSTM）神经网络的多信息融合寿命预测模型。首先采用KPCA对多维退化数据集进行降维处理和信息融合，得到能够表征设备退化的低维特征数据集；然后利用BLSTM神经网络对带有多维退化信息的航空发动机剩余寿命进行预测，得到监测数据与剩余寿命的映射关系；最后采用CMAPSS航空发动机退化数据集对提出的多信息融合寿命预测模型进行仿真验证，并与其他三种模型结果进行对比。结果表明：KPCA-BLSTM神经网络能够对多维退化信息下的剩余寿命进行精准预测，本文提出的预测模型的误差与得分优于其他三种模型，而且预测精度更高。

基于注意力机制和CNN-BiLSTM模型的航空发动机剩余寿命预测

作者： 张加劲   来源： 电子测量与仪器学报 年份： 2022 文献类型 ： 期刊 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  

描述： 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。

基于状态辨识的航空发动机转子叶片剩余寿命模型

作者： 刘建勋   翟旭升   谢岩甫   罗志煌   答宇航   来源： 燃气涡轮试验与研究 年份： 2022 文献类型 ： 期刊 关键词： 模型辨识   支持向量机   航空发动机   剩余寿命   工作叶片  

描述： 为有效评定航空发动机转子叶片的检查更换周期，防止叶片过度使用危及飞行安全，将叶片在不同使用阶段的装机工作时间，及典型部位的表面残余应力，作为表征叶片剩余寿命的状态参数，提出了叶片剩余寿命模型的表达形式。以现役航空发动机部分转子叶片为对象，跟踪获得叶片工作历程中，不同阶段的状态参数以及叶片到寿失效信息，采用支持向量机算法和滚动优化方式，建立了叶片剩余寿命状态参数辨识模型。应用结果表明，模型准确性随着时间增长和可用样本数量增加而逐渐提高，预期应用价值明显。

基于KPCA-BLSTM的航空发动机多信息融合剩余寿命预测

作者： 胡启国   白熊   杜春超   来源： 航空工程进展 年份： 2022 文献类型 ： 期刊 关键词： 航空发动机   剩余寿命   多信息融合   核主成分分析   双向长短时记忆  

描述： 复杂航空发动机在运行过程中易出现多退化信息而导致寿命预测不精确的问题，为此提出基于核主成分分析（KPCA）和双向长短时记忆（BLSTM）神经网络的多信息融合寿命预测模型。首先采用KPCA对多维退化数据集进行降维处理和信息融合，得到能够表征设备退化的低维特征数据集；然后利用BLSTM神经网络对带有多维退化信息的航空发动机剩余寿命进行预测，得到监测数据与剩余寿命的映射关系；最后采用CMAPSS航空发动机退化数据集对提出的多信息融合寿命预测模型进行仿真验证，并与其他三种模型结果进行对比。结果表明：KPCA-BLSTM神经网络能够对多维退化信息下的剩余寿命进行精准预测，本文提出的预测模型的误差与得分优于其他三种模型，而且预测精度更高。

基于多变量多步CNN的航空发动机剩余寿命预测

作者： 曹越   来源： 航空计算技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   卷积神经网络   剩余寿命   端对端预测   状态参数  

描述： 针对航空发动机状态参数多、非线性特征提取难、多环节剩余寿命预测累计误差高的痛点问题，提出多变量多步卷积神经网络用于航空发动机剩余寿命预测。将多状态参数对应的长时间序列作为输入样本，连续的剩余寿命值作为模型输出，通过多变量多步卷积神经网络的特征提取与降维处理，实现了从多状态参数到多步剩余寿命的端对端直接预测。利用C/MAPSS仿真数据集进行实例验证，结果表明：多变量多步卷积神经网络能够高效准确的得到端对端剩余寿命预测结果；与其他对比模型相比，也有更低的预测误差。

考虑脆弱性的航空发动机剩余寿命预测

作者： 吴献彪   蔡景   来源： 南京航空航天大学学报 年份： 2021 文献类型 ： 期刊 关键词： 航空发动机   剩余寿命   牛顿   比例危险模型   脆弱性   拉夫森迭代法  

描述： 比例危险模型采用协变量的方式综合多个参数实现对系统的剩余寿命预测,已在航空发动机中得到了应用。然而由于传统比例危险模型是以假设多个研究样本独立同分布,即基本失效率相同为基础的,但对于航空发动机而言,由于运行环境和使用的不同,基本失效率存在差异。研究表明,忽略样本之间的差异会导致估计结果存在严重偏差。为此,本研究将引入用于表达样本之间非独立性的脆弱性概念,针对航空发动机,建立更具普遍性的脆弱性比例危险模型,首次应用于航空发动机的剩余寿命预测。通过实例表明,基于脆弱性比例危险模型得到的预测结果平均误差为4.6%,而基于传统比例危险模型的预测结果平均误差为6.9%,验证了脆弱性比例危险模型在航空发动机剩余寿命预测中的有效性。

基于超统计的多阶段航空发动机剩余寿命预测

作者： 刘君强   胡东斌   潘春露   雷凡   赵倩茹   来源： 北京航空航天大学学报 年份： 2020 文献类型 ： 期刊 关键词： 非线性   航空发动机   无迹卡尔曼滤波   超统计   剩余寿命   多阶段  

描述： 针对传统航空发动机剩余寿命预测模型无法客观描述多阶段性能衰退过程及对于剩余寿命预测精度不高的问题，本文提出了一个新的多阶段航空发动机剩余寿命预测模型，包括超统计理论、突变点检测、无迹卡尔曼滤波与非线性预测四部分内容。提出了基于超统计理论的多阶段分割滤波算法，该算法首先采用超统计理论进行突变点检测，将航空发动机的健康数据划分为多个退化阶段；然后应用无迹卡尔曼滤波对融合的时变参数进行滤波处理；最后通过非线性拟合对发动机剩余寿命进行预测。实验采用美国国家航空航天局发布的航空发动机数据进行数据分析和验证。结果表明本文提出的方法在发动机性能退化中的预测具有更好的适应性，更小的拟合误差，能更准确地预测发动机的剩余寿命，预测精度比单阶段方法提高5.5%。

基于多尺度融合预测模型的航空发动机剩余寿命预测

作者： 刘纳川   郭建胜   张晓丰   余稼洋   解涛   来源： 兵器装备工程学报 年份： 2023 文献类型 ： 期刊 关键词： 静态协变量编码器   分位数   剩余寿命   LSTM神经网络   多头注意力机制   门控残差机制  

描述： 针对大多数基于数据驱动的航空发动机剩余寿命预测方法未细分其退化过程与复杂输入数据之间的关系，无法准确识别和提取关键特征的问题。提出一种基于多尺度融合预测模型(MSF)的航空发动机剩余寿命预测方法。该方法利用静态协变量编码网络(SCCN)和变量选择网络(VSN)针对输入数据类型进行特征选择，将SCCN生成的静态协变量连接到模型的不同位置，以提升模型捕捉不同尺度时间特征的能力，并融入门控残差机制构建模型基本框架，既能提高模型的适应性也能保证信息在网络中传递的效率，采用分位数误差作为损失函数实现了多尺度的预测，有效的提高了预测的准确性。在CMAPSS涡扇发动机数据集上进行实验分析，FD002、FD004测试集的预测精度分别达到91.9%和92.4%,通过与其他深度学习方法进行对比，RMSE最优值分别提高15.54%和16.91%,Score最优值分别提高83.21%和78.78%。