空军工程大学学报

作者：苗青林，张晓丰，高杨军，刘显光，秦丕胜

单位：空军工程大学装备管理与无人机工程学院，西安，710051\

关键词：航空发动机;剩余使用寿命;深度卷积神经网络;双通道;最大相关系数

提出了一种基于双通道的深度卷积神经网络方法，用来预测航空发动机剩余使用寿命。该方法在传统卷积神经网络上，应用最大信息系数进行数据降维、卡尔曼滤波进行数据降噪；通过数据切片，将数据片标签设置为最后一个循环的剩余使用寿命，实现数据重构；引入分段和线性剩余使用寿命衰减模型，并给出了寿命衰减起始点判断方法；将寿命衰减前、寿命衰减中2种特征作为双通道网络模型的输入。在NASA涡轮风扇发动机仿真数据集（CMAPSS）上测试结果显示，在测试数据范围较大时，该方法相关指标明显优于其他方法，在航空发动机剩余寿命预测上具有显著优势。

来源：2022年第2期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2022年第2期