摘要
本发明提供了一种基于TMSA‑TCN的涡扇发动机剩余使用寿命预测方法,涉及航空发动机技术领域,包括:采集涡扇发动机的历史运行监测数据并进行预处理,将预处理后的所述历史运行监测数据分为训练集和测试集;将时间多尺度注意力模块TMSA嵌入到时间卷积神经网络TCN的残差块中,构建TMSA‑TCN预测模型,将所述训练集输入所述TMSA‑TCN预测模型进行训练,获得训练后的TMSA‑TCN预测模型;将所述测试集输入训练后的所述TMSA‑TCN预测模型中,输出涡扇发动机剩余使用寿命预测结果。本发明通过引入多尺度注意力模块TMSA及改进时间卷积神经网络TCN,以提高航空涡扇发动机剩余寿命预测可靠度与精确度。
技术关键词
涡扇发动机
剩余使用寿命预测
多尺度
K均值算法
样本
训练集
航空发动机技术
重采样方法
深度学习框架
注意力机制
网络结构
聚类
模块
低密度
阶段
系统为您推荐了相关专利信息
医学图像分割方法
噪声标签图像
图像分割模型
像素
跨模态
人脸特征向量
人脸识别方法
人脸图像数据
密度
人脸识别装置
排序方法
排序模型
样本
计算机设备
可读存储介质
深度卷积神经网络
预测模型训练方法
特征提取模块
长短期记忆网络
信息生成方法