航空发动机剩余寿命预测方法、系统、设备及介质技术方案

本发明专利技术公开了一种航空发动机剩余寿命预测方法、系统、设备及介质，包括：获取并筛选待预测航空发动机中各零部件的传感器数据，得到主要影响指标数据；将主要影响指标数据，作为预训练的航空发动机剩余寿命预测模型的输入，输出得到待预测航空发动机的剩余寿命预测结果；其中，预训练的航空发动机剩余寿命预测模型为改进的Transformer网络模型；本发明专利技术采用在Transformer网络模型的输入序列中加入传感器数据的位置编码信息向量编码信息，以使模型具有时间信息建模能力和泛化能力；引入多头概率稀疏自注意力模块，提高了模型的特征提取能力；满足针对多维度的航空发动机传感器数据，对航空发动机的剩余使用寿命进行精确预测。对航空发动机的剩余使用寿命进行精确预测。对航空发动机的剩余使用寿命进行精确预测。

【技术实现步骤摘要】
航空发动机剩余寿命预测方法、系统、设备及介质


[0001]本专利技术属于航空发动机剩余使用寿命预测
，特别涉及一种航空发动机剩余寿命预测方法、系统、设备及介质。

技术介绍

[0002]航空发动机作为飞机动力系统的核心组件，其机动性、可靠性、稳定性、安全性和环境适应性是飞行安全的重要保障；剩余寿命预测作为故障预测与健康管理(Prognostics Health Management，PHM)的核心技术，旨在通过预测整机或部件的剩余寿命退化趋势，为运行规划和维修决策提供技术支持。
[0003]现有航空发动机的剩余使用寿命预测方法可分为基于传统物理模型的方法、基于循环神经网络(Recurrent Neural Network,RNN)的方法和基于卷积神经网络(Convolutional Neural Networks,CNN)的方法；其中，基于传统物理模型的方法通过建立数学方程进行模拟来描述系统的退化机理，但由于数学模型对退化机理的先验知识的严重依赖性和实际工程的复杂性，很少有系统可以通过数学模型进行精确建模；基于循环神经网络的方法是通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航空发动机剩余寿命预测方法，其特征在于，包括：获取待预测航空发动机中各零部件的传感器数据，并进行有效特征维度筛选处理，得到航空发动机剩余寿命的主要影响指标数据；将所述航空发动机剩余寿命的主要影响指标数据，作为预训练的航空发动机剩余寿命预测模型的输入，输出得到待预测航空发动机的剩余寿命预测结果；其中，所述预训练的航空发动机剩余寿命预测模型为改进的Transformer网络模型；所述改进的Transformer网络模型包括依次相连的嵌入层、编码层及投影层；所述嵌入层为在Transformer网络模型的输入序列中加入传感器数据的位置编码信息和传感器数据的向量编码信息；所述编码层为将Transformer编码器中的注意力模块替换为多头概率稀疏自注意力模块；所述投影层为将Transformer投影层中的投影机制替换为混合投影机制。2.根据权利要求1所述的一种航空发动机剩余寿命预测方法，其特征在于，所述嵌入层包括位置嵌入模块、向量嵌入模块及嵌入层输出模块；所述位置嵌入模块，用于对所述航空发动机剩余寿命的主要影响指标数据进行位置编码，得到传感器数据的位置编码信息；所述向量嵌入模块，用于将所述航空发动机剩余寿命的主要影响指标数据映射到实数向量空间中，得到传感器数据的向量编码信息；所述嵌入层输出模块，用于将所述传感器数据的位置编码信息与传感器数据的向量编码信息进行叠加，得到嵌入层的输出结果；其中，所述嵌入层输出结果作为编码层的输入。3.根据权利要求2所述的一种航空发动机剩余寿命预测方法，其特征在于，按向量嵌入公式，将所述航空发动机剩余寿命的主要影响指标数据映射到实数向量空间中，得到传感器数据的向量编码信息；其中，所述向量嵌入公式为：其中，为第i列且维度为t的传感器数据的向量编码值；Conv1d(*)为卷积核大小为3、步幅大小为1的一维卷积；为第i列且维度为t的传感器数据；i为传感器数据的列数，i∈(1,2,
…
,L
x
)，L
x
为传感器数据的列数最大值；t为传感器数据的维度；按照叠加公式，将所述传感器数据的位置编码信息与传感器数据的向量编码信息进行叠加，得到嵌入层输出结果；其中，所述叠加公式为：其中，out
嵌入层
为嵌入层的输出结果；为第i列且维度为t的传感器数据的位置编码值。4.根据权利要求1所述的一种航空发动机剩余寿命预测方法，其特征在于，所述编码层包括第一多头概率稀疏自注意力模块、第一叠加与归一化模块、第二多头概率稀疏自注意力模块、第二叠加与归一化模块、前馈神经网络模块、第三叠加与归一化模块及编码层输出模块；所述第一多头概率稀疏自注意力模块，用于对嵌入层的输出结果进行多头概率稀疏自注意力操作，得到第一多头概率稀疏自注意力模块的输出结果；所述第一叠加与归一化模块，用于对所述嵌入层的输出结果和所述第一多头概率稀疏
自注意力模块的输出结果进行非线性变化的线性叠加处理，得到第一叠加与归一化模块的输出结果；所述第二多头概率稀疏自注意力模块，用于对第一叠加与归一化模块的输出结果进行多头概率稀疏自注意力操作，得到第二多头概率稀疏自注意力模块的输出结果；所述第二叠加与归一化模块，用于对所述第一叠加与归一化模块的输出结果和所述第二多头概率稀疏自注意力模块的输出结果进行非线性变化的线性叠加处理，得到第二叠加与归一化模块的输出结果；所述前馈神经网络，用于对所述第二叠加与归一化模块的输出结果进行前馈全连接运算，得到前馈神经网络的输出结果；所述第三叠加与归一化模块，用于对所述前馈神经网络的输出结果和所述第二叠加与归一化模块的输出结果进行非线性变化的线性叠加处理，得到第三叠加与归一化模块的输出结果；所述编码层输出模块，用于将所述第三叠加与归一化模块的输出结果输出至投影层。5.根据权利要求4所述的一种航空发动机剩余寿命预测方法，其特征在...

【专利技术属性】
技术研发人员：蔺杰，龙丹，杨新宇，赵鹏，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：