-
公开(公告)号:CN110110804A
公开(公告)日:2019-08-09
申请号:CN201910403169.4
申请日:2019-05-15
Applicant: 上海飞机客户服务有限公司 , 中国科学院自动化研究所
Abstract: 本发明属于机器学习、深度学习及航空领域,具体涉及一种基于CNN和LSTM的飞控系统剩余寿命预测方法,旨在解决飞控系统剩余寿命预测网络复杂、准确性低问题。本系统方法包括获取飞控系统数据集;利用故障临界点分析模型判断当前转的健康状态;基于操作模态数据,根据变化阈值,获取飞控系统数据集的操作模态;若为单模态,将飞控系统数据集作为第二数据集;否则对操作模态数据进行分类,获取当前转及之前各转对应模态的出现次数的统计结果,将模态分类、统计结果增入系统数据中,获取第二数据集;根据第二数据集和故障临界点,基于寿命预测模型获取各飞控系统的剩余寿命。本发明降低了预测网络的复杂度,提高了预测的准确性。
-
公开(公告)号:CN110110804B
公开(公告)日:2021-06-25
申请号:CN201910403169.4
申请日:2019-05-15
Applicant: 上海飞机客户服务有限公司 , 中国科学院自动化研究所
Abstract: 本发明属于机器学习、深度学习及航空领域,具体涉及一种基于CNN和LSTM的飞控系统剩余寿命预测方法,旨在解决飞控系统剩余寿命预测网络复杂、准确性低问题。本系统方法包括获取飞控系统数据集;利用故障临界点分析模型判断当前转的健康状态;基于操作模态数据,根据变化阈值,获取飞控系统数据集的操作模态;若为单模态,将飞控系统数据集作为第二数据集;否则对操作模态数据进行分类,获取当前转及之前各转对应模态的出现次数的统计结果,将模态分类、统计结果增入系统数据中,获取第二数据集;根据第二数据集和故障临界点,基于寿命预测模型获取各飞控系统的剩余寿命。本发明降低了预测网络的复杂度,提高了预测的准确性。
-