公开(公告)号：CN113722833B

公开(公告)日：2023-06-06

申请号：CN202111053571.8

申请日：2021-09-09

Applicant: 湖南工业大学

Inventor： 彭成 ,  吴佳期 ,  唐朝晖 ,  陈青 ,  张龙信 ,  桂卫华

IPC: G06F30/15 ,  G06F30/27 ,  G06N3/04 ,  G06Q10/04 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0442 ,  G06F119/04

Abstract: 基于双通道长短时记忆神经网络的涡轮发动机剩余使用寿命预测方法，首先测量监测发动机状态的传感器数据指标的可变性，获取具有可变性的传感器数据指标，然后利用双通道长短时记忆神经网络处理数据指标和数据指标的差值，并设计一种卷积神经网络模块提取长短时记忆神经网络序列输出结果的局部时间特征，之后，将局部时间特征用于两层全连接神经网络的输入，预测发动机的剩余使用寿命，最后，使用上一个时刻的预测值作为一个对当前时刻预测结果的缓冲，平滑校准当前的预测值。本发明有效降低了故障噪声的干扰，提高了长短时记忆神经网络处理时间序列的能力，并最终提升了拟合剩余使用寿命的精确度。

公开(公告)号：CN113722833A

公开(公告)日：2021-11-30

申请号：CN202111053571.8

申请日：2021-09-09

Applicant: 湖南工业大学

Inventor： 彭成 ,  吴佳期 ,  唐朝晖 ,  陈青 ,  张龙信 ,  桂卫华

IPC: G06F30/15 ,  G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06Q10/04 ,  G06F119/04

Abstract: 基于双通道长短时记忆神经网络的涡轮发动机剩余使用寿命预测方法，首先测量监测发动机状态的传感器数据指标的可变性，获取具有可变性的传感器数据指标，然后利用双通道长短时记忆神经网络处理数据指标和数据指标的差值，并设计一种卷积神经网络模块提取长短时记忆神经网络序列输出结果的局部时间特征，之后，将局部时间特征用于两层全连接神经网络的输入，预测发动机的剩余使用寿命，最后，使用上一个时刻的预测值作为一个对当前时刻预测结果的缓冲，平滑校准当前的预测值。本发明有效降低了故障噪声的干扰，提高了长短时记忆神经网络处理时间序列的能力，并最终提升了拟合剩余使用寿命的精确度。