航空文献资源库

按文献类别分组

按栏目分组

按年份分组

按来源分组

关键词

基于LSTM分类器的航空发动机预测性维护模型: 作者： 蔺瑞管王华伟车畅畅倪晓梅熊明兰 来源： 系统工程与电子技术 年份： 2022 文献类型： 期刊 关键词： 二分类 长短期记忆网络 时间窗故障预测与健康管理预测性维护; 描述： 利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health management, PHM)的关键问题。针对发动机剩余寿命预测准确性低的问题，提出基于长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选，并将有效信息用于时间序列预测。首先，采用滑动时间窗口制备训练样本。其次，将预处理后的样本输入LSTM,预测设备在特定时间窗口内的失效概率。然后，通过调整窗口大小，得到最优性能的二分类模型，以更好地适应预测维护需求。最后，利用美国航空航天局C-MAPSS数据集验证了该模型的有效性，相比于已有分类方法，其在剩余使用寿命分类方面更加准确。

基于LSTM分类器的航空发动机预测性维护模型: 作者： 蔺瑞管王华伟车畅畅倪晓梅熊明兰 来源： 系统工程与电子技术 年份： 2022 文献类型： 期刊 关键词： 二分类 长短期记忆网络 时间窗故障预测与健康管理预测性维护; 描述： 利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health management, PHM)的关键问题。针对发动机剩余寿命预测准确性低的问题，提出基于长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选，并将有效信息用于时间序列预测。首先，采用滑动时间窗口制备训练样本。其次，将预处理后的样本输入LSTM,预测设备在特定时间窗口内的失效概率。然后，通过调整窗口大小，得到最优性能的二分类模型，以更好地适应预测维护需求。最后，利用美国航空航天局C-MAPSS数据集验证了该模型的有效性，相比于已有分类方法，其在剩余使用寿命分类方面更加准确。

< 1 >