摘要
本发明涉及基于Dlinear‑CNN模型的航空发动机寿命预测方法及装置,包括以下:获取航空发动机退化的原始数据集,并对所述原始数据集进行数据预处理得到处理后数据,并划分为训练集以及测试集;基于训练集训练预构建的Dlinear‑CNN模型,并将训练后的Dlinear‑CNN模型作为发动机寿命预测模型;将测试集通过滑窗分割后输入发动机寿命预测模型中进行测试,使用Hyperband算法进行超参数优化得到最优的超参数组合,以最优的超参数组合更新发动机寿命预测模型得到优化后的发动机寿命预测模型;以优化后的发动机寿命预测模型对目标航空发动机进行寿命预测。本发明融合CNN卷积神经网络弥补了单独使用Dlinear模型提取发动机的退化信息表现欠佳,出现模型收敛速度慢、预测结果与实际值差距较大的问题。
技术关键词
寿命预测模型
航空发动机
超参数
训练集
图像增强技术
发动机剩余寿命
滑动平均滤波器
分段线性函数
模型训练模块
传感器
序列
数据获取模块
冗余
算法
测试模块
系统为您推荐了相关专利信息
图像分类模型
半监督学习
样本
机器学习模型
半监督训练
短时交通流预测
车流量数据
道路交叉口
车流量预测
模糊集合
深度神经网络
多尺度特征融合
特征提取模块
果园环境
苹果识别方法
控制系统
田间持水量
灌溉水利用效率
预测输出值
模型超参数
故障诊断模型
特征提取器
故障诊断方法
智能诊断模型
滚动轴承