首页>
根据【关键词:QAR数据,稀疏自编码器,深度学习,ELM,ConvLstm】搜索到相关结果 1 条
-
基于Transformer的多特征融合的航空发动机剩余使用寿命预测
-
作者:
马依琳
陶慧玲
董启文
王晔
来源:
华东师范大学学报(自然科学版)
年份:
2022
文献类型 :
期刊
关键词:
航空发动机
Transformer
深度学习
剩余使用寿命
-
描述:
发动机作为飞机的核心部件,对飞机运行起着至关重要的作用.对航空发动机做准确的剩余使用寿命预测,能够提前进行维护诊断,预防重大事故的发生,节约维护成本.针对现有的方法缺乏对不同时间步长的考虑以及不同传感器和操作条件之间关系的研究,提出了一种基于Transformer的多编码器特征输出融合的航空发动机剩余使用寿命预测方法.该方法选取两个不同时间长度的输入数据,使用排列熵对传感器之间的关系进行分析,并将操作条件数据独立提取特征.在广泛使用的航空发动机CMAPSS(Commercial Modular Aero-Propulsion System Simulation)数据集上进行了实验验证.实验结果表明,该方法优于现有的先进预测方法,可有效提高预测精度.