全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于多源信息融合的飞行器部件剩余寿命预测
- 作者： 张秋雁 杨忠 姜遇红 张启伦 卢凯文 张辉斌 来源： 机械制造与自动化 年份： 2020 文献类型 ： 期刊 关键词： 多源信息融合 余弦相似度 相似性 神经网络 剩余寿命预测
- 描述： 针对飞行器关键部件的多源变量数据统计信息,提出基于多源信息融合的相似性剩余寿命预测方法。介绍了相似性剩余寿命预测方法的基本思想和模型;提出一种使用BP神经网络融合多变量统计数据的方法;引入余弦相似度方法,将服役部件和参考部件退化模型进行模式匹配,确定与服役部件具有相同退化模式的参考部件,进而提高基于相似性剩余寿命预测方法的预测精度。通过NASA航空发动机数据集和相同评价指标下的对比分析,验证了该方法的有效性。
- 基于特征注意力机制的GRU-GAN航空发动机剩余寿命预测
- 作者： 袁烨 黄虹 程骋 虞文武 丁汉 来源： 中国科学:技术科学 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 生成对抗网络 特征提取 航空航天 剩余寿命预测
- 描述： 涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行.涡扇发动机的剩余寿命预测是航天器设备监测与维护的重要一环.然而涡扇发动机的监测过程具有工况复杂、监测数据多样、时间跨度长等特点,针对其数据类型多且体量大、数据冗余度较高、剩余寿命预测精度较低等问题,本文通过将生成对抗网络(Generative adversarial network, GAN)的生成能力与门控循环单元(Gate recurrent unit, GRU)的预测能力相结合,提出一种基于特征注意力机制的GAN和GRU融合模型.为了对时序关系进行建模,首先利用特征注意力机制和GRU分别提取空间和时间上的相关性,然后将经过预训练的生成器附加到GRU之后得到整体模型.具体来说,本文采用预训练的GAN网络生成模块替代传统自编码器,解决了由自编码器参数过多引起的GRU模块训练不充分的问题,提升了时空相关特性的提取能力、提高了模型的泛化性能、提升了预测精度.本文利用CMAPSS涡扇发动机数据来验证模型效果,通过与不同机器学习方法进行对比,实验结果显示,该方法在均方根误差和指数型评价指标这两个评价指标上都有较高的预测精度.
- 基于QAR的航空发动机性能发展预测研究
- 作者： 王冉 来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： QAR数据 时间序列预测 发动机基线 剩余寿命预测 异常检测
- 描述： 基于QAR的航空发动机性能发展预测研究
- 民航发动机送修决策优化研究
- 作者： 蒋雄伟 来源： 中国民航大学 年份： 2020 文献类型 ： 学位论文 关键词： 健康指数 送修方案 送修等级 寿命件 剩余寿命预测
- 描述： 民航发动机送修决策优化研究
- 基于改进生成对抗网络与ConvLSTM的航空发动机剩余寿命预测方法
- 作者： 陈维兴 常东润 李宗帅 来源： 电子测量与仪器学报 年份： 2023 文献类型 ： 期刊 关键词： 梯度惩罚项 航空发动机 条件式生成对抗网络 Wasserstein距离 剩余寿命预测
- 描述： 针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题，提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先，使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征；然后，利用生成器生成故障样本并与真实样本混合，作为训练集输入到基于ConvLSTM网络的预测模型中进行训练。基于C-MAPSS数据集开展验证比较，结果表明：与单一真实样本训练预测模型相比，使用混合数据时性能指标RMSE和Score平均下降了12.65%和48.95%。
- 基于退化轨迹相似性的航空发动机剩余寿命预测方法研究
- 作者： 李固良 来源： 重庆大学 年份： 2021 文献类型 ： 学位论文 关键词： means++ 分段梯度匹配 贪婪匹配原则 k 剩余寿命预测
- 描述： 基于退化轨迹相似性的航空发动机剩余寿命预测方法研究
- 基于注意力与LSTM的航空发动机剩余寿命预测
- 作者： 王欣 孟天宇 周俊曦 来源： 科学技术与工程 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 长短期记忆网络 航空发动机 剩余寿命预测 预测性维护
- 描述： 预测性维护的核心技术之一是设备剩余寿命(remaining useful life, RUL)预测。为了提高航空发动机的剩余寿命预测精度，提出了一种基于注意力与长短期记忆(directional long short-term memory, LSTM)网络的航空发动机剩余寿命预测模型Attention-LSTM,通过引入注意力机制增强各时间点数据的特征权重，有效提升了模型预测精度。使用NASA C-MAPSS涡扇发动机仿真数据集进行实验，与未加注意力机制的长短期记忆网络等多种模型进行对比实验。实验结果表明，提到的Attention-LSTM模型的均方根误差相比较于未引入注意力机制的长短期记忆网络降低了17.8%,拟合度提升了3.2%,各项评估指标均也优于其他对比模型。
- 基于可自动扩展的LSTM模型的航空发动机剩余寿命预测方法
- 作者： 胡立坤 何旭杰 殷林飞 来源： 计算机应用研究 年份： 2023 文献类型 ： 期刊 关键词： 长短期记忆网络 航空发动机 自动扩展 子模块级联 剩余寿命预测
- 描述： 对航空发动机进行实时状态监测与健康管理可以有效降低发动机故障风险，确保飞机飞行安全。准确预测航空发动机的剩余寿命是有效监测发动机运行状态的一种重要手段，其中长短期记忆(Long-Short Term Memory,LSTM)网络常被使用。但由于航空发动机复杂的机械结构与运行模式，使用传统的LSTM网络对航空发动机的剩余寿命进行单次预测后，所得预测结果的准确率不足以满足其寿命预测的精度要求。基于LSTM网络的广泛使用以及它对时间序列数据的有效预测能力，并考虑到采用多级预测的方法能够有效降低预测误差，提出了一种新型的可自动扩展的长短期记忆(AutomaticallyExpandableLSTM,AELSTM)预测模型。AELSTM模型依托多个子模块逐级连接的网络结构，不断地提取前一级模块的输出误差作为后一级模块的训练值，形成了误差的多级预测机制，有效降低了模型的预测误差，提升了预测结果的准确性。最后，基于美国国家航空航天局发布的C-MAPSS数据集的四个子集，对AELSTM模型的预测效果进行了测试。实验结果表明，与传统的LSTM网络相比，AELSTM模型在四个子集上的均方根误差平均减少了95.44%，同时它的预测效果也优于现有的一些先进算法。实验充分验证了AELSTM模型在提升航空发动机剩余寿命预测准确度方面的有效性与优势。
- 基于特征注意力机制的GRU-GAN航空发动机剩余寿命预测
- 作者： 袁烨 黄虹 程骋 虞文武 丁汉 来源： 中国科学:技术科学 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制 生成对抗网络 特征提取 航空航天 剩余寿命预测
- 描述： 涡扇发动机作为航空航天领域的核心设备之一,其健康状况决定了航空器能否稳定可靠地运行.涡扇发动机的剩余寿命预测是航天器设备监测与维护的重要一环.然而涡扇发动机的监测过程具有工况复杂、监测数据多样、时间跨度长等特点,针对其数据类型多且体量大、数据冗余度较高、剩余寿命预测精度较低等问题,本文通过将生成对抗网络(Generative adversarial network, GAN)的生成能力与门控循环单元(Gate recurrent unit, GRU)的预测能力相结合,提出一种基于特征注意力机制的GAN和GRU融合模型.为了对时序关系进行建模,首先利用特征注意力机制和GRU分别提取空间和时间上的相关性,然后将经过预训练的生成器附加到GRU之后得到整体模型.具体来说,本文采用预训练的GAN网络生成模块替代传统自编码器,解决了由自编码器参数过多引起的GRU模块训练不充分的问题,提升了时空相关特性的提取能力、提高了模型的泛化性能、提升了预测精度.本文利用CMAPSS涡扇发动机数据来验证模型效果,通过与不同机器学习方法进行对比,实验结果显示,该方法在均方根误差和指数型评价指标这两个评价指标上都有较高的预测精度.