【技术实现步骤摘要】
一种基于聚类和LSTM的发动机剩余寿命预测方法
[0001]本专利技术涉及属于航空发动机健康管理领域,具体涉及一种基于聚类和LSTM的发动机剩余寿命预测方法。
技术介绍
[0002]航空发动机作为飞机的核心部件,由于其内部部件之间的复杂多变性,加上长期运行在相当高强度的工作环境下,因此展开对发动机的健康管理极其重要。对航空发动机的剩余寿命进行预测对于提高航空发动机安全可靠工作,保障飞机飞行安全具有重要意义。
[0003]目前发动机的剩余寿命预测方面,大多是基于单阶段的剩余寿命预测方法,对于发动机的剩余寿命预测并不准确,并不能良好的运用于发动机的健康管理。
技术实现思路
[0004]本专利技术针对以上问题,提出了一种利用聚类和LSTM结合对飞机发动机的健康状况进行监测,预测发动机的剩余寿命,从而保证航班的正常运行的基于聚类和LSTM的发动机剩余寿命预测方法。
[0005]本专利技术的技术方案为:按以下步骤进行预测:
[0006]1)标准化:输入发动机数据,进行样本归一化求平均处理;
[0007]2)聚类分析:在步骤1)的基础上通过聚类分析准确得到多个阶段的发动机性能退化数据;
[0008]3)突变分析:在步骤2)的基础上,对多个阶段的退化数据采用ILSTMC进行预测,预测过程中利用记忆块代替普通的隐含层节点,确保信息的存储,避免了长时依赖、梯度消失的问题;
[0009]4)LSTM模型预测:使用突变点进行预测;
[0010]5)计算权重值:根据LS ...
【技术保护点】
【技术特征摘要】
1.一种基于聚类和LSTM的发动机剩余寿命预测方法,其特征在于,按以下步骤进行预测:1)标准化:输入发动机数据,进行样本归一化求平均处理;2)聚类分析:在步骤1)的基础上通过聚类分析准确得到多个阶段的发动机性能退化数据;3)突变分析:在步骤2)的基础上,对多个阶段的退化数据采用ILSTMC进行预测,预测过程中利用记忆块代替普通的隐含层节点,确保信息的存储,避免了长时依赖、梯度消失的问题;4)LSTM模型预测:使用突变点进行预测;5)计算权重值:根据LSTM的算法公式计算出每一个门的权重值;6)多阶段预测:数据之间采用的是顺序关联的关系,首先做聚类处理分成多个阶段的LSTM,再做预测。2.根据权利要求1所述的一种基于聚类和LSTM的发动机剩余寿命预测方法,其特征在于,步骤1)具体为:首先,对输入的多维航空发动机性能监测数据进行归一化求平均处理,将其归一化到[0,1]之间,避免了正负抵消的可能性,然后对归一化的结果进行求平均值,归一化具体计算公式如下:其中,x
normal
为归一化后的数据,x
t
为原始数据,x
max
为原数据样本中的最大值,x
min
为其最小值。将归一化求平均后的数据定义为发动机的整体健康值(Overall Health Score,OHS)。3.根据权利要求1所述的一种基于聚类和LSTM的发动机剩余寿命预测方法,其特征在于,步骤2)具体为:采用簇内平方误差和(sum of squared error,SSE)来求取聚类的最佳数目k,通过观察其拐点图来判定聚类数。公式如下:数目k,通过观察其拐点图来判定聚类数。公式如下:ω
(i,j)
=[X1+X2+
…
+X
k
]-1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中,X
k
表示每一个聚类的概率,ω表示样本所属簇的概率数,m为模糊系数,一般取值为2,μ为各簇的中心点。4.根据权利要求1所述的一种基于聚类和LSTM的发动机剩余寿命预测方法,其特征在于,步骤3)具体为:利用聚类分析获取聚类和突变点,将发动机的数据分成多个阶段。突变点的出现有可能将会导致发动机的剩余寿命情况发生改变,因此这些突变点的处理将成为聚类的依据。针对突变点的检测主要是计算每个对象与这些中心对象的距离,具体计算见公式(2)到公式(4)。通过公式(11)可以计算出t-1时刻的误差,在突变点遗忘门的激活函数sigmoid的值即
σ的值近似为0且输入门近似为1,而之前时刻的细胞将不能通过时间传递并保存至当前时刻,就会出现突变点。5.根据权利要求1所述的一种基于聚类和LSTM的发动机剩余寿命预测方法,其特征在于,步骤4)具体为:使用突变点进行预测,可以通过误差项σ的值域在[0,1]的输入门、遗忘门和输出门来控制隐含层细胞的状态中的信息的流动:其中,C
t
是当前时刻细胞的长期状态,F
t
是当前时刻遗忘门的值,C
t-1
是t-1时刻的细胞状态,I
t
是当前时刻的输入,是当前时刻的即时状态,遗忘门决定了上一时刻C
t-1
的细胞状态有...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。