【技术实现步骤摘要】
一种基于MCLSTM模型的航空发动机寿命预测方法
[0001]本专利技术涉及航空发动机寿命预测领域，特别是一种基于MCLSTM模型的航空发动机寿命预测方法。
技术介绍
[0002]航空发动机是一种高度复杂和精密的热力机械，是为航空器提供飞行所需动力的发动机，由于其复杂的内部结构、恶劣的工作环境，航空发动机也更易发生故障；因此对航空发动机剩余使用寿命的准确预测，对航空发动机的运行和维护有极大的帮助。
[0003]现有神经网络预测模型均存在不能根据输入数据重要程度对不同的输入数据进行不同更新模式的问题，模型计算量大、模型的预测精度差。
技术实现思路
[0004]本专利技术的目的就是提供一种基于MCLSTM模型的航空发动机寿命预测方法，它可以用于航空发动机剩余寿命的预测。
[0005]本专利技术的目的是通过这样的技术方案实现的，具体步骤如下：
[0006]1)数据采集：采集待预测航空发动机多维退化参数，通过稳定趋势分析，选取若干能反映航空发动机退化性能的参数，获得采集数据；
[000...
【技术保护点】
【技术特征摘要】
1.一种基于MCLSTM模型的航空发动机寿命预测方法，其特征在于，具体步骤如下：1)数据采集：采集待预测航空发动机多维退化参数，通过稳定趋势分析，选取若干能反映航空发动机退化性能的参数，获得采集数据；2)数据预处理：采用滑动窗口技术对采集数据进行数据分割，获得预处理数据；3)构建模型：构建包含多细胞长短期记忆神经网络MCLSTM模型和统计模型的航空发动机寿命预测模型；4)提取健康指标：将预处理数据分别输入MCLSTM模型与统计模型中，获得基于MCLSTM模型的健康指标MHI与基于统计模型的健康指标THI；5)寿命预测：将MHI与THI连接构成健康指标数据集，将健康指标数据集输入航空发动机寿命预测模型的回归层中进行剩余使用寿命的预测。2.如权利要求1所述的一种基于MCLSTM模型的航空发动机寿命预测方法，其特征在于，所述航空发动机寿命预测模型包括MCLSTM模型、统计模型、全连接层FC1、全连接层FC2、全连接层FC3、回归层，所述MCLSTM模型包括层级划分单元和多细胞更新单元。3.如权利要求2所述的一种基于MCLSTM模型的航空发动机寿命预测方法，其特征在于，步骤4)中提取基于MCLSTM模型的健康指标MHI的具体步骤为：4
‑1‑
1)将步骤2)中的预处理数据作为输入数据输入MCLSTM模型中，通过层级划分单元对输入数据进行层级划分，通过多细胞更新单元对划分层级后的数据进行更新，获得隐藏特征；4
‑1‑
2)将得到的隐藏特征输入到注意力机制中，得到注意权重，将注意权重与隐藏特征合并；获得合并特征；4
‑1‑
3)将合并特征作输入全连接层FC1中得到全连接层FC1的输出，将全连接层FC1的输出输入全连接层FC2中，获得基于MCLSTM模型的健康指标MHI。4.如权利要求2所述的一种基于MCLSTM模型的航空发动机寿命预测方法，其特征在于，步骤4)中提取基于统计模型健康指标THI的方法为：将步骤2)中的预处理数据输入统计模型中，通过统计模型对输入数据的均值和趋势系数进行统计，将统计数据输入航空发动机寿命预测模型的全连接层FC3中，获得基于统计模型的健康指标THI。5.如权利要求3所述的一种基于MCLSTM模型的航空发动机寿命预测方法，其特征在于，步骤4
‑1‑
1)中获得隐藏特征的具体步骤为：4
‑1‑1‑
1)层级划分：将步骤2)中的预处理数据作为输入数据，将t时刻的输入数据x
t
＝[x
t,1 x
t,2 ... x
t,n
]
T
和t
‑
1时刻MCLSTM模型的递归数据h
t
‑1＝[h
t
‑
1,1 h
t
‑
1,2 ... h
t
‑
1,m
]
T
输入多细胞长短期记忆神经网络MCLSTM模型的全连接层中，通过tanh激活函数激活输出，得到全连接层的输出A，通过SoftMax函数正则化全连接层的输出A，得到层级划分单元输出A1：A＝tanh(w
xa
x<...
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。