摘要
本发明公开了一种融合物理信息的航空发动机剩余寿命预测方法,属于神经网络剩余寿命预测领域。步骤如下:获取发动机模拟运行至故障全过程的传感器数据并进行标准化与分窗预处理;建立时间‑空间双通道多层感知机模型,提取信号的时间维度与特征维度信息,并与原始数据进行自注意融合,完成到寿命预测值的映射,并计算与真实寿命的误差;建立物理信息神经网络模型,学习预测寿命值与时间和隐藏状态之间的隐藏偏微分方程,并与平衡状态时的方程进行误差计算;与寿命误差自注意融合为综合损失以不断训练模型至误差最小,完成最终寿命预测。本发明在多层感知机的基础上融合物理信息,简化了模型的复杂程度,提高了发动机剩余寿命的预测精度。
技术关键词
多层感知机
滑动窗口算法
物理
传感器
发动机剩余寿命
航空涡扇发动机
数据
误差
神经网络模型
方程
寿命预测模型
剩余寿命预测
训练神经网络
梯度下降算法
样本
采样点
信号
航空发动机
系统为您推荐了相关专利信息
自助收银系统
商品价格预测
自助收银方法
商品特征信息
硬件设备信息
深度强化学习
装配设备
机械臂
轴孔装配方法
传感器模块
渣浆泵过流件
PLC控制柜
振动传感器
数据采集单元
识别系统
智能决策方法
智能决策模型
遗传算法优化
全局资源分配
鲍鱼