一種航空發動機剩余壽命預測方法,涉及航空發動機。1:獲取航空發動機歷史失效數據,數據預處理,構造用于DCNN訓練的標準訓練集以及測試集;2:構建深度卷積神經網絡,設置懲罰函數,加大滯后預測的懲罰權重,從噪聲數據中提取更有代表性的深層特征;3:將步驟2中構建的DCNN中平鋪層的數據提取出來,作為LightGBM算法的輸入,完成后續預測過程,并用評估指標對預測結果進行評估。利用DCNN提取原始數據深層特征,同時增加滯后預測的懲罰,拋棄傳統全連接層改用更強大的分類器LightGBM對提取出的特征進行預測。在保證訓練時間幾乎不增加的前提下,大幅提高預測準確率,為航空發動機剩余壽命預測提供可靠支持。
聲明:
“航空發動機剩余壽命預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)