检索结果-南通市图书馆

电机与控制学报 2021年第7期25卷 68-74页

作者：柳长源何先平于会越哈尔滨理工大学测控技术与通信工程学院哈尔滨150080

涡轮发动机系统工况复杂,经常在极端环境下工作,容易发生故障造成不可挽回的损失。通过建立物理模型的方法来进行寿命预测不仅建模困难、适用性不好,而且十分依赖先验知识。为建立适用于高维度特征的发动机剩余寿命预测模型,以及更加合... 详细信息

涡轮发动机系统工况复杂,经常在极端环境下工作,容易发生故障造成不可挽回的损失。通过建立物理模型的方法来进行寿命预测不仅建模困难、适用性不好,而且十分依赖先验知识。为建立适用于高维度特征的发动机剩余寿命预测模型,以及更加合理的对发动机的剩余寿命进行预测,使用改进后的梯度提升决策树(GBDT)和进行归一化处理后的涡轮发动机性能数据进行实验。在通用数据集上开展测试比较,结果表明改进GBDT模型适用于不同工况下涡轮发动机的剩余使用寿命预测,预测效果优于现有支持向量回归(SVR)、卷积神经网络(CNN)、长短期记忆网络等方法(LSTM),尤其是在运行时间上有较大幅度的提升,对于涡轮发动机的健康管理与运维决策能够提供保证。

关键词：涡轮发动机剩余寿命预测梯度提升决策树数据驱动互斥特征绑定梯度单边采样

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于数据驱动的涡扇发动机剩余寿命预测

基于数据驱动的涡扇发动机剩余寿命预测

引用

作者：于会越哈尔滨理工大学

学位级别：硕士

涡扇发动机是一种高度精密的热力机械。这种机械系统结构复杂,经常在极端环境下工作,极易发生故障造成不可挽回的损失。为了保障系统安全可靠运行,降低事故发生概率,预测它的剩余寿命具有十分重要的意义。由于发动机系统工况复杂,基于... 详细信息

涡扇发动机是一种高度精密的热力机械。这种机械系统结构复杂,经常在极端环境下工作,极易发生故障造成不可挽回的损失。为了保障系统安全可靠运行,降低事故发生概率,预测它的剩余寿命具有十分重要的意义。由于发动机系统工况复杂,基于物理模型的方法过于依赖先验知识,建模困难且适用性差。针对这些问题,采用基于数据驱动的方法,利用安装在机械设备上传感器监测到的数据对机械设备的退化过程进行建模,从而实现发动机剩余使用寿命的预测。研究具体内容如下:将一种改进的梯度提升决策树（GBDT）引入发动机剩余寿命预测领域,该算法适合于构建较高特征维度的模型。将现代机器所记录的飞机发动机性能数据进行归一化处理后用于改进的GBDT的训练与测试,从而达到合理预测发动机剩余寿命的目的。与经典算法如支持向量回归机（SVR）、卷积神经网络（CNN）以及基于卷积神经网络和长短时记忆网络（CNN-LSTM）相比,改进后模型的性能评测指标有明显提升。设计并开发了基于MFC的余寿预测平台。将传感器采集到的数据无线传输至服务器,后台技术人员从服务器获取数据后,基于本文建立的模型,实现发动机剩余使用寿命预测。上述研究结果表明,本文提出的改进GBDT模型适用于不同工况下发动机的剩余使用寿命预测,一定程度上减少了传统诊断方法对领域专家知识的依赖。在C-MAPSS数据集进行对比实验,取得了骄人的成绩。

关键词：涡扇发动机剩余寿命预测机器学习梯度下降树梯度单边采样

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：