首页>
根据【关键词:长短时记忆网络】搜索到相关结果 4 条
-
基于LSTM-DBN的航空发动机剩余寿命预测
-
作者:
李京峰
陈云翔
项华春
蔡忠义
来源:
系统工程与电子技术
年份:
2020
文献类型 :
期刊
关键词:
长短时记忆网络
健康指标
深度置信网络
剩余寿命预测
-
描述:
针对航空发动机剩余寿命预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆网络和深度置信网络的剩余寿命预测方法。首先,利用长短时记忆网络分别对单一传感器进行时间序列预测;其次,将预测结果整合输入到深度置信网络进行健康指标提取;再次,结合健康指标预测曲线和失效阈值得到剩余寿命预测结果;最后,利用商用模块化航空推进系统仿真数据集开展实验并与已有方法进行对比分析,验证了该方法的可行性和有效性。
-
基于LSTM的航空发电机整流电路诊断技术
-
作者:
陈文杰
崔江
来源:
电机与控制应用
年份:
2023
文献类型 :
期刊
关键词:
整流电路
长短时记忆网络
电励磁双凸极发电机
故障诊断
-
描述:
整流电路是航空发电机的重要组成部分,存在故障频发且维修困难等问题。为对电励磁双凸极发电机(DSEG)的整流电路进行故障诊断,研究了一种基于长短时记忆(LSTM)网络的故障诊断方法。首先,采集多种故障模式下发电机的三相电枢电流信号。其次,利用不同的信号处理方法处理故障信号以获取故障特征信息。然后,将获得的故障特征数据分为训练和测试样本输入LSTM网络进行故障分类。最后,计算并分析诊断结果。仿真与试验结果表明所提方法具有良好的故障诊断效果。
-
基于改进差分时域特征和深度学习优化的航空发动机剩余寿命预测算法
-
作者:
高峰
曲建岭
袁涛
高峰娟
来源:
电子测量与仪器学报
年份:
2019
文献类型 :
期刊
关键词:
航空发动机
长短时记忆网络
寿命预测
深度学习
差分时域特征
-
描述:
实现航空发动机剩余寿命的准确预测对于保证飞行安全和提高维修效率具有重要意义,但现有的预测算法往往只是浅层结构,且对各传感器参数之间的相互关系缺乏关联性考虑,限制了对发动机参数信息的深度挖掘。在深度学习理论的基础上,着重考虑不同传感器之间的参数关系,引入差分时域特征扩充特征集,构建了基于长短时记忆网络的寿命预测模型DTF-LSTM。在C-MAPSS数据集上的实验结果表明,该算法相较于其他深度学习算法具有更低的均方根误差(RMSE)值,可以有效实现发动机剩余寿命预测。
-
基于特征优选的航空发动机剩余寿命预测
-
作者:
李鹏
丁瀛
黄培炜
杜艺博
来源:
中国测试
年份:
2022
文献类型 :
期刊
关键词:
特征优选
II
长短时记忆网络
NSGA
剩余寿命预测
-
描述:
特征融合与相似性匹配法,计算剩余寿命预测评价指标,并基于非劣分层遗传算法进行特征优选。最后,对基于特征优选的剩余寿命预测效果进行验证,结果表明:1)在同一非劣层中,随着特征数量的增加,剩余寿命评价指标