基于多特征提取和Stacking集成学习的航空发动机余寿预测

基于多特征提取和Stacking集成学习的航空发动机余寿预测.pdf
保证飞机安全运行的核心任务之一是监测航空发动机的运行状态,并对可能的故障进行诊断以及对剩余寿命进行预测.航空发动机运行周期长,传感器监测数据维度高,这些因素都为提出一个能够准确而稳定的剩余寿命预测模型提出了挑战.为此,本文提出了一种基于特征提取与Stacking算法的航空发动机剩余寿命预测神经网络模型.该模型首先应用随机森林算法实现数据降维,然后借助Stacking算法将MLP、LSTM、Bi-LSTM和GRU等深度学习模型进行选择性集成,得到发动机剩余寿命的最终预测结果.使用C-MAPSS数据集进行实验验证发现,本文所提出的模型在各方面表现上均优于现有的单个深度学习模型,这一结论为维护发动机健康稳定运行提供了重要参考.
作者：张一鸣刘晓锋
作者单位：北京航空航天大学交通科学与工程学院,北京海淀区100191
母体文献：第六届空天动力联合会议暨中国航天第三专业信息网第四十二届技术交流会暨2021航空发动机技术发展高层论坛论文集
会议名称：第六届空天动力联合会议暨中国航天第三专业信息网第四十二届技术交流会暨2021航空发动机技术发展高层论坛  
会议时间：2021年12月1日
会议地点：成都
主办单位：中国科协航空发动机产学联合体
语种：chi
分类号：TP1TN9
关键词：飞行安全  航空发动机  余寿预测  集成学习  特征提取
在线出版日期：2021年12月28日
基金项目：
相似文献
相关博文

2024-12-3 00:12 上传 基于多特征提取和Stacking集成学习的航空发动机余寿预测.pdf

文件大小:

1.01 MB

下载次数:

60

高速下载