《基于LSTM-DBN的航空发动机剩余寿命预测》PDF+DOC
作者:李京峰,陈云翔,项华春,蔡忠义
单位:中国航天科工防御技术研究院;中国宇航学会;中国系统工程学会
出版:《系统工程与电子技术》2020年第07期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFXTYD2020070290
DOC编号:DOCXTYD2020070299
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于长短时记忆网络的人体姿态检测方法》PDF+DOC2018年第06期 郑毅,李凤,张丽,刘守印
《基于深度学习的航空发动机传感器故障检测》PDF+DOC2017年第09期 刘云龙,谢寿生,郑晓飞,边涛
《基于改进差分时域特征和深度学习优化的航空发动机剩余寿命预测算法》PDF+DOC2019年第03期 高峰,曲建岭,袁涛,高峰娟
《数控系统传感器故障检测隔离及适应技术》PDF+DOC1997年第02期 杨蔚华,盛雯,孙健国
《多指标下收发组件RUL预测方法》PDF+DOC2020年第04期 张宇,侯晓东
《基于矩阵分析的加权证据时空融合算法研究》PDF+DOC2006年第04期 肖冰松,许蕴山,夏海宝
《传感器输出时间序列实时预测方法的比较研究》PDF+DOC2011年第11期 刘志成,彭红星
《基于神经网络预测器和MATLAB的传感器数据验证方法的研究》PDF+DOC2007年第07期 李学刚,苏春,王丰
《传感器网络环境监测时间序列数据的高斯过程建模与多步预测》PDF+DOC2015年第10期 陈艳,王子健,赵泽,李栋,崔莉
《无线传感器网络离群时间序列检测研究》PDF+DOC2013年第01期 唐琪,刘学军
针对航空发动机剩余寿命(remaining useful life,RUL)预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆(long short-term memory,LSTM)网络和深度置信网络(deep belief network,DBN)的RUL预测方法。首先,利用LSTM分别对单一传感器进行时间序列预测。其次,将预测结果整合输入到DBN进行健康指标提取。再次,结合健康指标预测曲线和失效阈值得到RUL预测结果。最后,利用商用模块化航空推进系统仿真数据集开展实验,并与已有方法进行对比分析,验证了该方法的可行性和有效性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。