基于知识蒸馏压缩混合模型的航空发动机剩余寿命预测研究

作者：张小燕; 刘月峰

来源：计算机集成制造系统, 2022, 1-25.

• 剩余使用寿命
• 知识蒸馏
• 卷积神经网络
• 双向长短期记忆网络
• 多尺度卷积神经网络

航空发动机剩余使用寿命（RUL）预测对于提高飞机运行系统的安全性和降低维护成本至关重要。针对实际应用中边缘设备计算能力和内存有限的情况，保证模型RUL预测准确性的同时减少模型规模是亟待解决的问题。因此，提出了使用两次知识蒸馏压缩复杂的混合模型来预测航空发动机的RUL。首先，知识蒸馏用于异构网络之间进行知识转移，教师模型包含卷积神经网络（CNN）和双向长短期记忆网络（Bi-LSTM）等复杂网络，其中，CNN能够提取数据空间特征，而Bi-LSTM可以学习数据的双向长时间依赖性。学生模型则使用规模相对简单的多尺度卷积神经网络（MS-CNN），利用不同的卷积尺度各自提取数据信息，从而保证特征学习的完整性。其次，知识蒸馏用于同构网络之间进行知识迁移，学生网络与教师网络均使用多尺度卷积神经网络。最后，经过两次知识蒸馏获得的学生网络在C-MAPSS数据集上进行了RUL预测实验，结果显示蒸馏学生模型在四个数据集上预测准确性均有一定提升。蒸馏学生模型相比原始MS-CNN在FD001数据集获得的误差值降低了5.9%，同时也比Bi-LSTM误差值低6.7%。证明了所提方法在航空发动机RUL预测领域具有一定的竞争性。

• 单位
  内蒙古科技大学