公开(公告)号：CN119397714A

公开(公告)日：2025-02-07

申请号：CN202411818631.4

申请日：2024-12-11

Applicant: 无锡学院

Inventor： 蒋亮 ,  张鑫阳 ,  曹海啸 ,  郭永信

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/045 ,  G06F18/2135 ,  G06F18/241 ,  G06F18/25 ,  G06F119/04

Abstract: 本发明公开一种基于多尺度历史信息融合的涡扇发动机RUL预测方法及系统，包括：采集涡扇发动机运行时的各种传感器数据，并进行预处理，得到带有RUL标签的多个时间窗口数据；利用三个不同尺度的滑动窗口进行处理数据，将当前时刻之前的所有历史时间窗口数据在第三维度上进行叠加，并利用主成分分析法对叠加后的数据进行降维，最后将得到的三个尺度数据进行融合，得到训练和测试样本；采用ISEformer网络框架，训练获得RUL预测模型；根据待检测的涡扇发动机的运行数据，以所述预测模型输出预测结果。本发明通过这种将历史数据融合与深度学习技术相结合的创新方法，本发明显著提升了涡扇发动机在复杂工况下的RUL预测性能。

公开(公告)号：CN119312695A

公开(公告)日：2025-01-14

申请号：CN202411725265.8

申请日：2024-11-28

Applicant: 无锡学院

Inventor： 蒋亮 ,  曹海啸 ,  张鑫阳 ,  郭永信

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06F119/04

Abstract: 本发明公开一种基于深度学习模型的涡扇发动机剩余使用寿命预测方法及系统，包括：获取涡扇发动机运行时的运行数据，并进行预处理，构建训练数据集；构建双通道的初始学习框架，根据所述数据集，采用引入CBAM注意力机制的TCN‑BiLSTM网络框架，进行训练；另一路径通过手工特征提取运行数据的平均值和退化趋势系数，作为预测模型的辅助输入；获得训练完成的预测模型；根据待检测的涡扇发动机的运行数据，以所述预测模型对涡扇发动机进行剩余使用寿命预测。本发明采用基于改进CBAM注意力机制的TCN‑BiLSTM混合模型，处理复杂的时序数据，同时还将手工提取的平均值和退化趋势系数作为辅助输入，提高预测的准确性。