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

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   来源： 计算机应用 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   剩余使用寿命   双向长短期记忆网络  

描述： 的路径提取特征：1）将原始数据的均值和趋势系数输入至全连接网络；2）将原始数据输入双向长短期记忆（Bi-LSTM）网络，并采用注意力机制处理得到的特征；3）使用注意力机制处理原始数据，并将加权特征输入

基于数据驱动的航空发动机剩余寿命预测研究

作者： 李雅   来源： 河南大学 年份： 2022 文献类型 ： 学位论文 关键词： 注意力机制   航空发动机   卷积神经网络   剩余寿命   图注意力   残差网络  

描述： 基于数据驱动的航空发动机剩余寿命预测研究

基于数据驱动的航空发动机剩余寿命预测研究

作者： 李雅   来源： 河南大学 年份： 2022 文献类型 ： 学位论文 关键词： 注意力机制   航空发动机   卷积神经网络   剩余寿命   图注意力   残差网络  

描述： 基于数据驱动的航空发动机剩余寿命预测研究

多尺度特征组合优化的航空液压管路故障诊断

作者： 薛政坤   汪曦   于晓光   王宠   刘思远   张景博   来源： 机床与液压 年份： 2022 文献类型 ： 期刊 关键词： 变分模态分解   故障诊断   航空液压管路   优化多尺度散布熵  

描述： 为根据管路振动信号准确识别故障类型，提出一种多尺度特征组合优化的航空液压管路故障诊断方法。利用能量比值法确定变分模态分解参数，实现管路振动信号的优化分解，选取最佳模态分量信号进行重构，重构后的信号

多尺度特征组合优化的航空液压管路故障诊断

作者： 薛政坤   汪曦   于晓光   王宠   刘思远   张景博   来源： 机床与液压 年份： 2022 文献类型 ： 期刊 关键词： 变分模态分解   故障诊断   航空液压管路   优化多尺度散布熵  

描述： 为根据管路振动信号准确识别故障类型，提出一种多尺度特征组合优化的航空液压管路故障诊断方法。利用能量比值法确定变分模态分解参数，实现管路振动信号的优化分解，选取最佳模态分量信号进行重构，重构后的信号

基于改进卷积神经网络的航空发动机RUL预测方法研究

作者： 孙行行   来源： 河南大学 年份： 2022 文献类型 ： 学位论文 关键词： 特征提取   卷积神经网络   多故障   剩余使用寿命预测  

描述： 基于改进卷积神经网络的航空发动机RUL预测方法研究

基于改进卷积神经网络的航空发动机RUL预测方法研究

作者： 孙行行   来源： 河南大学 年份： 2022 文献类型 ： 学位论文 关键词： 特征提取   卷积神经网络   多故障   剩余使用寿命预测  

描述： 基于改进卷积神经网络的航空发动机RUL预测方法研究

基于间接健康指标与回声状态网络的航空锂电池剩余使用寿命预测

作者： 后麒麟   曹亮   单添敏   王景霖   沈勇   来源： 测控技术 年份： 2022 文献类型 ： 期刊 关键词： 锂电池   粒子群优化   回声状态网络   间接健康指标   剩余使用寿命预测  

描述： 航空锂电池是飞机的重要组成部分，对其进行剩余使用寿命(RUL)预测至关重要。目前，一般采用锂电池容量作为RUL指标，但在飞机实际运行中，锂电池容量难以准确测量，同时面临长期寿命预测精度的问题。因此，提出一种基于间接健康指标和回声状态网络(ESN)的锂电池RUL预测方法，基于一阶偏相关系数分析方法提取最能代表电池寿命的间接健康指标来代替容量指标，建立间接健康指标预测模型。同时基于深度学习中的ESN,结合粒子群优化算法(PSO)对网络参数进行优化，建立退化预测模型，实现锂电池RUL预测，解决长期预测精度问题。使用NASA电池数据进行实验验证说明，该方法相较于其他方法具有更高的精度、稳定性以及良好的泛化能力。

基于间接健康指标与回声状态网络的航空锂电池剩余使用寿命预测

作者： 后麒麟   曹亮   单添敏   王景霖   沈勇   来源： 测控技术 年份： 2022 文献类型 ： 期刊 关键词： 锂电池   粒子群优化   回声状态网络   间接健康指标   剩余使用寿命预测  

描述： 航空锂电池是飞机的重要组成部分，对其进行剩余使用寿命(RUL)预测至关重要。目前，一般采用锂电池容量作为RUL指标，但在飞机实际运行中，锂电池容量难以准确测量，同时面临长期寿命预测精度的问题。因此，提出一种基于间接健康指标和回声状态网络(ESN)的锂电池RUL预测方法，基于一阶偏相关系数分析方法提取最能代表电池寿命的间接健康指标来代替容量指标，建立间接健康指标预测模型。同时基于深度学习中的ESN,结合粒子群优化算法(PSO)对网络参数进行优化，建立退化预测模型，实现锂电池RUL预测，解决长期预测精度问题。使用NASA电池数据进行实验验证说明，该方法相较于其他方法具有更高的精度、稳定性以及良好的泛化能力。