【技术实现步骤摘要】
基于LSTM
‑
SVR的无人机发动机健康评估方法
[0001]本专利技术涉及无人机领域,涉及基于LSTM
‑
SVR的无人机发动机健康评估方法
技术介绍
[0002]现阶段,无人机技术日益成熟,作为一个新兴产业也越来越受研究人员关注,无人机技术正在向高灵活、高功率、长行程方向迅速发展。由于无人机的故障很多是由于发动机引起的,而无人机的发动机结构异常复杂,影响发动机寿命的影响参数很多,同时这些参数范围和格式也均不同,影响程度也不同,因此当发动机出现故障时导致维修成本很高。为了降低维修成本同时降低发动机健康程度的预测误差,本专利技术提出基于LSTM
‑
SVR的无人机发动机健康评估方法。首先,对无人机发动机上传感器收集到的原始数据进行归一化处理,将处理后的数据作为输入量,建立LSTM神经网络,进行LSTM模型训练,建立SVR模型进行训练,最后将LSTM和SVR相结合,建立了一种混合LSTM
‑
SVR的健康预测模型。该模型采用求解非线性回归问题常用的SVR方法来降低LSTM的预测误差,将输出测量值通过未确知理论和深度信念网络转化为HRD,评估发动机的健康状态。
技术实现思路
[0003]为了克服现有技术存在的缺点,本专利技术提供了基于LSTM
‑
SVR的无人机发动机健康评估方法,用于解决
技术介绍
中提到的发动机维修成本高以及健康程度预测精度低的问题。
[0004]本专利技术采用了如下技术方案:
[0005]基
【技术保护点】
【技术特征摘要】
1.基于LSTM
‑
SVR的无人机发动机健康评估方法,其特征在于,所述方法具体包括以下步骤:步骤1、收集无人机发动机在工作过程中的传感器历史数据作为原始数据,通过数据归一化处理后,构建训练样本,训练样本包括训练集和测试集;步骤2、在步骤1构建训练样本基础上,创建长短期记忆网络(LSTM)网络和支持向量回归(SVR)模型,作为无人机发动机健康预测模型;步骤3、将步骤1的测试集输入到步骤2构建的LSTM
‑
SVR模型,模型输出值通过未确知理论和深度信念网络,得到的健康可信度(HRD),通过HRD评价发动机的健康状态。2.根据权利要求1中步骤一所述的基于LSTM
‑
SVR的无人机发动机健康评估方法,其特征在于:所述步骤1的具体步骤包括:步骤1.1:对无人机发动机在工作过程中的传感器获取的原始传感器数据,进行归一化和标准化处理;步骤1.2:对步骤1.1处理后的数据进行特征选择;步骤1.3:对步骤1.2特征选择后的数据,构建训练样本,训练样本包括训练集和测试集。3.根据权利要求2所述的基于LSTM
‑
SVR的无人机发动机健康评估方法,其特征在于:所述步骤1.1的归一化和标准化处理具体方法为计算式(1)和(2):述步骤1.1的归一化和标准化处理具体方法为计算式(1)和(2):x0表示传感器原始数据,x
max
表示同维度样本最大值,x
min
表示同维度最小值,x
′
i
表示为归一化处理之后的第i个传感器的数据。和S
i
表示第i个传感器数据的均值和标准差。4.根据权利要求3所述的基于LSTM
‑
SVR的无人机发动机健康评估方法,其特征在于:所述步骤2的具体步骤包括:步骤2.1:构建LSTM;步骤2.2:将步骤1的测试集输入到LSTM网络中,设置学习率和隐含层神经元个数后进行LSTM结构模型的训练和预测,生成一组预测值L
...
【专利技术属性】
技术研发人员:许鑫杰,徐志玲,谢非凡,胡琳丽,王欢欢,
申请(专利权)人:中国计量大学,
类型:发明
国别省市:
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。