摘要
本发明公开一种涡扇发动机剩余使用寿命预测方法包括:步骤1:采集涡扇发动机的多维传感器监测数据,进行数据处理并划分为源域和目标域;步骤2:构建双流自适应域融合卷积网络模型;步骤3:训练双流自适应域融合卷积网络模型,对输入数据进行前向传播,提取时间和空间上的特征并进行融合,计算损失函数并利用反向传播算法优化模型参数,调整模型以最小化损失函数,直至训练达到预设的迭代次数上限;步骤4:使用目标域测试数据输入到训练好的模型,进行跨域剩余使用寿命的预测并评估模型。本发明实现了小样本条件下的高精度剩余寿命预测,可为航空发动机等高价值设备的预测性维护提供高效解决方案,适用于复杂工况下的涡扇发动机健康管理。
技术关键词
涡扇发动机
融合卷积网络
特征提取模块
对抗性
剩余使用寿命
分类神经网络
多层感知机
训练集
传感器
长短记忆网络
传播算法
剩余寿命预测
三次样条插值
带标签
实时监测数据
梯度下降算法
前馈神经网络
系统为您推荐了相关专利信息
大语言模型
意图识别模型
文本
样本
意图识别方法
稠密深度图
道路分割系统
稠密点云
融合特征
语义
校验特征
多模态协同
合规性
图像检测方法
融合特征