基于集成学习的涡扇发动机剩余寿命预测模型

作者:张一鸣; 刘晓锋*; 崔宝; 唐瑞
来源:热能动力工程, 2022, 37(04): 64-70.
DOI:10.16146/j.cnki.rndlgc.2022.04.009

摘要

为了解决涡扇发动机的监测数据维数高、时间跨度长、给预测发动机剩余使用寿命带来困难的问题。本文提出了一种基于集成神经网络模型的发动机寿命预测系统,采用集成学习中的Stacking方法对单一的学习器进行集成来预测涡扇发动机的剩余使用寿命(RUL)。模型在NASA公共数据集C-MAPSS(Commercial Modular Aero-Propulsion System Simulation)上进行了发动机寿命预测实验验证,并与常用的机器学习方法和单一神经网络进行了比较。实验结果表明:模型在多种评价方法上综合表现最佳,且在超前预测上表现良好。

全文