基于KDDIN的航空发动机剩余寿命预测方法技术

本发明专利技术公开了一种基于KDDIN的航空发动机剩余寿命预测方法，包括以下步骤：S1、将传感器采集到的数据集进行归一化；S2、将归一化后的数据划分为旧训练集、旧验证集、新训练集、新验证集；S3、建立KDDIN网络，KDDIN采用教师—学生知识蒸馏架构，包括教师模型和学生模型；S4、使用旧训练集和旧验证集训练和保存教师模型；S5、使用保存好的教师模型、新训练集和新验证集训练和保存学生模型；S6、利用学生模型完成航空发动机剩余寿命预测。由于KDDIN得到的参数量较少复杂度较低的学生模型保留了教师模型的经验知识，能够解决灾难性遗忘问题和实际部署问题，实现对航空发动机的剩余寿命进行准确、稳定地预测。

【技术实现步骤摘要】

本专利技术涉及一种基于kddin的航空发动机剩余寿命预测方法。

技术介绍

1、随着现代大型设备复杂性和集成度的不断提高，故障预测和健康管理技术(prognostics and health management,phm)对于满足设备可持续安全性的需求变得越来越重要。phm其中的一个关键部分是剩余使用寿命(remaining useful life,rul)预测，它能够降低工业系统的维护成本，提高工业设备的可靠性和安全性。航空发动机是飞机设备中重要的组成部分，它利用燃料为飞机提供推进力和电力。发动机的性能和可靠性直接影响着飞机的运行效率、航程、燃油消耗以及乘客和机组人员的安全。因此，航空公司会定期从各种内置传感器收集数据，以监测性能并避免故障发生。多年来，收集的信息量不断增加，这为进行更复杂的分析铺平了道路。

2、目前，rul的预测方法可以大致分为两类，分别为基于物理模型的预测方法和数据驱动的预测方法。基于物理模型的预测方法的核心思路是显式地对监测数据和rul之间的关系进行建模。但是随着传感器技术和数据存储与传输技术的快速发展，测量得到的监测数据本文档来自技高网...

【技术保护点】

1.基于KDDIN的航空发动机剩余寿命预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于KDDIN的航空发动机剩余寿命预测方法，其特征在于，所述教师模型具体处理过程为：

3.根据权利要求1所述的基于KDDIN的航空发动机剩余寿命预测方法，其特征在于，所述学生模型具体处理过程为：

4.根据权利要求3所述的基于KDDIN的航空发动机剩余寿命预测方法，其特征在于，所述复合损失函数计算方法为：

【技术特征摘要】

1.基于kddin的航空发动机剩余寿命预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于kddin的航空发动机剩余寿命预测方法，其特征在于，所述教师模型具体处理过程为：

3.根据权...

【专利技术属性】
技术研发人员：汪永超，徐超，李锋，李世昌，李翰儒，
申请(专利权)人：四川大学，
类型：发明
国别省市：