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。
- 事件驱动的航空制造流水线预测性维护决策研究
- 作者： 张文沛 崔鹏浩 李洋 延爽 来源： 航空科学技术 年份： 2022 文献类型 ： 期刊 关键词： 深度Q网络 流水线 决策优化 预测性维护 马尔可夫决策过程
- 描述： 预测性维护决策旨在提高维护效率的同时，降低维护停机对生产的影响。预测性维护根据设备的实际健康状态进行维护决策，能有效避免过度维护造成的浪费和维护不及时造成的设备随机故障。然而类似于设备故障停机，预测性维护需要关闭设备进行维护作业。如果维护时机选择不当，维护过程会引起生产线的饥饿和阻塞，造成生产损失。因此，预测性维护不仅需要关注设备自身的维护需求，还需要与实际生产进行联动。以考虑机器状态劣化的航空产品流水线为研究对象，在流水线产出损失分析的基础上，研究流水线预测性维护决策问题。首先，针对缺料停机、设备故障等扰动停机事件和预测性维护事件，分析停机事件对流水线产出的影响，量化造成的流水线产出损失。其次，考虑流水线产出损失和维护成本构建奖励函数，建立基于马尔可夫决策过程的流水线预测性维护决策模型，结合深度Q网络算法求解模型获得优化决策方案。最后，通过仿真试验对比其他三种维护方法，验证了所提出决策模型的有效性。
- 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。