基于数据驱动模型的航空发动机剩余使用寿命预测及故障诊断研究

作者： 赵舒安   来源： 重庆邮电大学 年份： 2022 文献类型 ： 学位论文 关键词： 时间序列   航空发动机   故障诊断   剩余使用寿命预测  

描述： 基于数据驱动模型的航空发动机剩余使用寿命预测及故障诊断研究

基于数据驱动模型的航空发动机剩余使用寿命预测及故障诊断研究

作者： 赵舒安   来源： 重庆邮电大学 年份： 2022 文献类型 ： 学位论文 关键词： 时间序列   航空发动机   故障诊断   剩余使用寿命预测  

描述： 基于数据驱动模型的航空发动机剩余使用寿命预测及故障诊断研究

一种用于航空发动机RUL预测的推理网络模型

作者： 韩光洁   史国华   缑林峰   徐甜甜   林川   来源： 小型微型计算机系统 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制   LSTM网络   航空发动机   寿命预测  

描述： 剩余使用寿命预测对于航空发动机的故障预测和健康管理至关重要.为解决传统长短期记忆网络只利用最后一步学习到的特征进行回归的问题，本文提出了一种基于注意力机制的航空发动机剩余使用寿命预测模型.利用

一种用于航空发动机RUL预测的推理网络模型

作者： 韩光洁   史国华   缑林峰   徐甜甜   林川   来源： 小型微型计算机系统 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制   LSTM网络   航空发动机   寿命预测  

描述： 剩余使用寿命预测对于航空发动机的故障预测和健康管理至关重要.为解决传统长短期记忆网络只利用最后一步学习到的特征进行回归的问题，本文提出了一种基于注意力机制的航空发动机剩余使用寿命预测模型.利用

一种用于航空发动机RUL预测的推理网络模型

作者： 韩光洁   史国华   缑林峰   徐甜甜   林川   来源： 小型微型计算机系统 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制   LSTM网络   航空发动机   寿命预测  

描述： 剩余使用寿命预测对于航空发动机的故障预测和健康管理至关重要.为解决传统长短期记忆网络只利用最后一步学习到的特征进行回归的问题，本文提出了一种基于注意力机制的航空发动机剩余使用寿命预测模型.利用

一种用于航空发动机RUL预测的推理网络模型

作者： 韩光洁   史国华   缑林峰   徐甜甜   林川   来源： 小型微型计算机系统 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制   LSTM网络   航空发动机   寿命预测  

描述： 剩余使用寿命预测对于航空发动机的故障预测和健康管理至关重要.为解决传统长短期记忆网络只利用最后一步学习到的特征进行回归的问题，本文提出了一种基于注意力机制的航空发动机剩余使用寿命预测模型.利用

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： 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

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： 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