基于时空特征融合的涡扇发动机剩余使用寿命预测方法

授权

摘要

一种基于时空特征融合的发动机剩余使用寿命预测方法，首先获取到原始的随时间变化的传感器数据，通过数据选择及归一化处理后得到特征数据，将特征数据分别输入到一维全卷积层神经网络和LSTM神经网络中，利用一维全卷积层神经网络实现数据集空间特征信息的提取，利用LSTM神经网络实现数据集时间序列特征信息的提取，得到该两类特征后，采用时空特征融合算法，对其进行特征融合，再将融合特征输入到最大池化的一维卷积神经网络进行特征二次提取，实现涡扇发动机的剩余使用寿命预测。本发明采用时空特征融合的多神经网络组合模型进行剩余使用寿命预测，提高了预测精度。

基本信息

专利标题：

基于时空特征融合的涡扇发动机剩余使用寿命预测方法

专利标题（英）：

暂无

公开（公告）号：

CN112580263A

申请号：

CN202011555334.7

公开（公告）日：

2021-03-30

申请日：

2020-12-24

授权号：

CN112580263B

授权日：

2022-05-10

发明人：

彭成唐朝晖陈宇峰陈青袁鑫攀桂卫华

申请人：

湖南工业大学

申请人地址：

湖南省株洲市天元区泰山西路88号

代理机构：

广州市红荔专利代理有限公司

代理人：

胡昌国

优先权：

CN202011555334.7

主分类号：

G06F30/27

IPC分类号：

G06F30/27 G06F30/17 G06N3/04 G06N3/08 G06F119/04

IPC结构图谱

G部——物理

G06

计算；推算或计数

G06F

电数字数据处理

G06F30/27

使用机器学习，例如人工智能，神经网络，支持向量机或训练模型

法律状态

2022-05-10 ：

授权

2021-04-16 ：

实质审查的生效

IPC(主分类) : G06F 30/27
申请日 : 20201224

2021-03-30 ：

公开

注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。

文件下载

暂无PDF文件可下载