【技术实现步骤摘要】
本申请涉及智能信息，特别是涉及一种融合多源传感器数据的航空机电装备剩余寿命预测方法、设备、介质及产品。
技术介绍
1、随着科技的不断发展，机械系统的寿命预测与健康管理变得越来越重要，并且受到越来越多的关注。航空机电装备作为飞机的核心，准确预测航空机电装备的剩余寿命((remaining useful life，rul))对于确保飞行安全、降低维护成本以及提高经济效益具有重要意义。然而，由于航空机电装备工作环境恶劣，且其性能退化过程受多种因素影响，使得rul的预测成为一个极具挑战性的课题。不仅如此，由于航空机电装备逐渐趋于复杂化，基于物理模型和基于模型的方法在处理高度非线性和多变量耦合问题往往存在局限性，这使得基于模型的方法难以适应机电装备性能退化的多样性。此外，在实际工程应用中，设备的工作条件、运行环境面临很多的不确定性，加之现在设备日益复杂化、大型化，且复杂设备中的部件之间有耦合关系，各部件之间互相影响，导致其失效机理愈加复杂，面对此种的情况，要对复杂设备建立物理模型极其困难，或者通过投入大量的资源建立了复杂系统的物理模型，但计算量过...
【技术保护点】
1.一种融合多源传感器数据的航空机电装备剩余寿命预测方法，其特征在于，所述融合多源传感器数据的航空机电装备剩余寿命预测方法包括：
2.根据权利要求1所述的融合多源传感器数据的航空机电装备剩余寿命预测方法，其特征在于，对所述多源传感器数据进行预处理具体包括：
3.根据权利要求1所述的融合多源传感器数据的航空机电装备剩余寿命预测方法，其特征在于，所述航空机电装备剩余寿命预测模型的训练过程，具体包括：
4.根据权利要求1所述的融合多源传感器数据的航空机电装备剩余寿命预测方法，其特征在于，将所述预处理后的多源传感器数据输入至航空机电装备剩余...
【技术特征摘要】
1.一种融合多源传感器数据的航空机电装备剩余寿命预测方法，其特征在于，所述融合多源传感器数据的航空机电装备剩余寿命预测方法包括：
2.根据权利要求1所述的融合多源传感器数据的航空机电装备剩余寿命预测方法，其特征在于，对所述多源传感器数据进行预处理具体包括：
3.根据权利要求1所述的融合多源传感器数据的航空机电装备剩余寿命预测方法，其特征在于，所述航空机电装备剩余寿命预测模型的训练过程，具体包括：
4.根据权利要求1所述的融合多源传感器数据的航空机电装备剩余寿命预测方法，其特征在于，将所述预处理后的多源传感器数据输入至航空机电装备剩余寿命预测模型中，得到航空机电装备剩余寿命预测值，具体包括：
5.根据权利要求1所述的融合多源传感器数据的航空机电装备剩余寿命预测方法，其特征在于，所述改进混合双向长短时记忆网络子模型包括依次连接的输入层、传播层、拼接层以及输出层；其中，所述传播层包括前向传播层和后向传播层。
6.根据权利要求1所述的融合多源传感器数据的航空机电装备剩余寿命预测方法，其特征在于，所述残差网络子模型包括依次连接的第一权重层、第二...
【专利技术属性】
技术研发人员：曲桂娴，刘冬阳，邱天，刘传凯，丁水汀，吴江，
申请(专利权)人：北京航空航天大学，
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。