摘要:
设计了一种双通道航空发动机剩余寿命(remaining useful life,RUL)预测模型。第1条通道使用膨胀卷积并引入注意力机制,减少了模型参数量,加强了对RUL关键特征信息的表达;第2条通道使用了平均回归特征对原始信号进行去噪和平滑处理,降低噪声对RUL预测的影响;最后将两条通道特征融合并输入至全连接网络得到最终的RUL预测结果。为了验证本文的模型有效性,在美国航空航天局公布的C-MAPSS(commercial modular aero propulsion system simulation)数据集上进行了实验。研究表明该方法相比于CNN-LSTM(convolutional neural network & long short-term memory network)、AdaBN-DCNN(adaptive batch normalization-deep convolutional neural network)、RCNN-ABi-LSTM(region-based convolutional neural network & attention bi-directional long short-term memory network)模型的方均根误差分别降低了32.1%、7.8%、6.3%,双通道模型的预测精度得到了显著提升。
王晓鹏, 王磊, 韩小伟, 等. 基于膨胀卷积和回归特征的双通道剩余寿命预测方法[J]. 航空动力学报, 2025, 40(9):20240043. doi: 10.13224/j.cnki.jasp.20240043.