基于RF-DGRU-SA的涡扇发动机剩余寿命预测

摘要：

针对涡扇发动机在退化过程中机制复杂、状态检测数据维数过高等问题,提出一种随机森林(RF)和基于自注意力机制(SA)深度门控循环单元(DGRU)相融合的涡扇发动机剩余使用寿命(RUL)预测方法.利用RF算法确定重要度阈值实现特征筛选.将筛选出的特征输入DGRU-SA模块,通过多层GRU神经网络挖掘出相关特征与目标值之间的隐藏信息,利用SA神经网络为隐藏信息添加不同大小的权重.最后,利用全连接层输出预测结果,采用CMAPSS数据集进行实验验证.结果证明:与传统的多层感知机、卷积神经网络、长短时记忆等方法相比,所提出的融合模型误差更小,具有良好的预测精度和稳定性.

关键词：涡扇发动机、剩余使用寿命、随机森林、深度门控循环单元、自注意力机制

所属期刊栏目：51

分类号：V271.4(各类型航空器)

资助基金：国家自然科学基金U1733119

在线出版日期：2023-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：196-201