基于全注意力深度网络和动态集成学习的航空发动机剩余寿命预...
公开
摘要
本发明提供一种基于全注意力深度网络和动态集成学习的航空发动机剩余寿命预测方法。首先，计算训练集数据和测试集数据的剩余寿命RUL值，并对对数据子集FD001进行降维，并构建仿真数据集。其次，采用FCM算法聚类仿真数据集的类中心及对应样本。再次，构建Transformer网络模块作为基学习器，并确定基学习器权重及加权集成输出。最后。对测试集数据预处理，随机抽取部分数据采用动态集成预测模型给出剩余寿命值。本发明对发动机剩余寿命预测，不仅可以不受距离影响的学习数据间依赖关系，还可显著提升运行速度，消除冗余属性的影响，提高预测的准确率。本发明基于寿命数据，与发动机实际型号无关，通过训练不同的数据集即可将模型迁移到不同型号发动机上使用，具有普适性。
基本信息
专利标题 ：
基于全注意力深度网络和动态集成学习的航空发动机剩余寿命预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114297918A
申请号 ：
CN202111577980.8
公开（公告）日 ：
2022-04-08
申请日 ：
2021-12-22
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
李英顺丁子尧全福祥孙希明
申请人 ：
大连理工大学
申请人地址 ：
辽宁省大连市甘井子区凌工路２号
代理机构 ：
辽宁鸿文知识产权代理有限公司
代理人 ：
苗青
优先权 ：
CN202111577980.8
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06N3/04 G06N3/08 G06Q10/04 G06Q10/06 G06F119/02
IPC结构图谱
G
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
2022-04-08 ：
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
