空军工程大学学报

作者：马忠，郭建胜，顾涛勇，毛声

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;剩余寿命;卷积神经网络;线性退化;时间窗

基金：中国民用航空飞行学院研究生创新项目（X2018-5）

航空发动机结构复杂，状态变量多且相互之间存在着严重非线性特征，传统的基于物理失效模型的方法难以精确地预测发动机的剩余寿命（RUL）。针对此问题，采用改进的卷积神经网络(CNN)方法对发动机剩余寿命进行预测。预测过程通过建立退化模型，给每个训练样本添加RUL标签；为了更好地提取发动机使用过程中状态变量与剩余寿命之间的相关关系，使用不同的一维卷积核提取序列趋势信息特征；将特征输入构建的卷积神经网络得到剩余寿命的预测值。为了验证方法的有效性，在NASA提供的涡轮风扇发动机仿真数据集(CMAPSS)上进行了测试，并与深度信念网络等方法对比，结果表明改进的卷积神经网络拥有更高的精度。

来源：2020年第6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2020年第6期