一种基于奇异值分解和GRU的航空发动机寿命预测方法技术

本发明专利技术公开了一种基于奇异值分解和GRU的航空发动机寿命预测方法。首先通过对原始数据进行前置处理，再通过SVD对剩余特征数据进行降维、重构，去除冗余信息，筛选有效特征，作为衡量发动机寿命的特征数据。然后经过GRU神经网络深度挖掘历史信息，实现对航空发动机寿命的预测。该方法能够提取发动机信息的主要特征数据，排除无关因素干扰，提升了航空发动机寿命预测的精度。

【技术实现步骤摘要】
一种基于奇异值分解和GRU的航空发动机寿命预测方法
本专利技术属于航空安全领域，具体涉及一种寿命预测方法。
技术介绍
航空发动机作为一种动力装置系统，在飞机的发展过程中起着关键性作用，既是飞机的“心脏”，又是推动飞机快速发展的源动力。然而，由于长期服役在高温、高压、高转速、交变负载等条件下，航空发动机对安全可靠性要求极高，一旦关键部件出现故障，往往会造成高额的维修成本，甚至造成巨大的飞行灾难。所以，为了保证飞机的安全、稳定运行，提前预知飞机状态，尤其是航空发动机的安全状态尤为重要。对航空发动机剩余使用寿命进行预测能够提前掌握发动机状态，对于安全飞行至关重要。随着大数据和人工智能的崛起，发动机剩余使用寿命预测问题逐渐隐现。以往基于物理和知识的航空发动机剩余使用寿命预测逐渐过渡到基于数据的研究中。通过分析发动机历史数据，充分挖掘传感器内在信息机制，有效对航空发动机剩余使用寿命进行预测，为飞机的安全、有效运行保驾护航。但以往基于物理和知识的研究方法中，对于发动机信息不能够充分利用，更是难以提取主要特征信息进行分析。而现存部分数据驱动的本文档来自技高网...

【技术保护点】
1.一种基于奇异值分解和GRU的航空发动机寿命预测方法，其特征在于，包括以下步骤：/n步骤1：采用航空推进系统仿真数据集，将传感器数据中在选择的时间范围内一直保持不变的数据剔除，完成数据前置处理，得到m×n阶传感器数据矩阵A；/n步骤2：对传感器数据矩阵A进行SVD奇异值分解：/n步骤2-1：定义：/nA＝U∑V

【技术特征摘要】
1.一种基于奇异值分解和GRU的航空发动机寿命预测方法，其特征在于，包括以下步骤：
步骤1：采用航空推进系统仿真数据集，将传感器数据中在选择的时间范围内一直保持不变的数据剔除，完成数据前置处理，得到m×n阶传感器数据矩阵A；
步骤2：对传感器数据矩阵A进行SVD奇异值分解：
步骤2-1：定义：
A＝U∑VT
式中，∑＝diag(δ1，δ2，...，δn)为对角矩阵，δ1≥δ2≥…≥δn是A的正奇异值，U为m阶酉矩阵，满足UTAATU为对角矩阵；V为n阶酉矩阵，满足VTATAV为对角矩阵；
步骤2-2：获取满足下式的前k个正奇异值δ1，δ2，...，δk，k＜n；



步骤2-3：使用δ1，δ2，...，δk重构传感器数据矩阵A′：
A′＝U∑′VT
式中，∑′＝diag(δ1，δ2，...，δk)；A′中的数据为传感器特征数据；
步骤3：构建GRU神经网络；
步骤3-1：构建三层GRU神经网络模型，每层的神经元个数分别设置为d1，d2，d3，初始学习率设置为d4，dropout设置为d5；
步骤3-2：将步骤1得到的传感器...

【专利技术属性】
技术研发人员：郑华，尚亚飞，段世强，赵东柱，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61