一种融合神经网络的航空发动机寿命预测方法研究

作     者：林荣祥 王海瑞 朱贵富 

作者机构：昆明理工大学信息建设管理中心 昆明理工大学信息工程与自动化学院 

出 版 物：《机械科学与技术》 (Mechanical Science and Technology for Aerospace Engineering)

年 卷 期：2023年

核心收录：

学科分类：08[工学] 082503[工学-航空宇航制造工程] 0825[工学-航空宇航科学与技术] 

基　　金：国家自然科学基金(No.61863016) 国家自然科学基金(No.61263023) 

主　　题：航空发动机 剩余使用寿命 堆叠膨胀卷积网络 长短时间记忆网络 自注意力机制 Hyperband算法 

摘      要：准确预测航空发动机的剩余使用寿命(RUL)对航空公司合理制定维修计划、有效降低维修成本具有重要意义。传统的单参数、单级模型预测精度较低。为了提高航空发动机RUL的预测精度，本文提出了一种堆叠卷积融合长短时间记忆网络模型(SDCNN-LSTM)求解发动机衰减特性的映射关系来提高航空发动机剩余使用寿命预测精度。首先，对多传感器监测到的数据进行归一化处理，降低数据的量纲使数据落入一个小的特定区间，从而消除奇异样本的影响；其次，构建SDCNN-LSTM神经网络预测模型，SDCNN中的膨胀率用于增加卷积层的感受野，同时保持计算成本低。这使得该模型能够捕捉发生在各种时间尺度上的模式，模型接下来使用自注意力机制对特征进行编码，以便在加入LSTM层之前进一步提取时间序列的特征，LSTM用于捕捉时序数据中的时间依赖性，并对下一个时刻进行预测，从而有效的预测出航空发动机的RUL；最后通过Hyperband算法对模型进行优化，以提高模型预测准确性，并利用涡扇发动机退化过程数据集C-MAPSS对所提方法进行验证，实验结果表明本文所用方法优于其他模型，验证了该方法的可行性和有效性。