科研之友
微信
新浪微博
Facebook
分享链接
摘要
设备剩余使用寿命（Remaining Useful Life,RUL）估计对于设备安全稳定运行具有重要意义。本文针对发动机剩余寿命预测问题，提出基于深度学习与贪婪匹配策略的GRU-MLRGM剩余寿命预测方法。通过滑动窗口技术变发动机传感器多维数据为低维时序数据，进而采用门控型循环神经网络提取其深度特征，通过线性回归模型建立单个设备的健康指示器（Health Indicator,HI），进而建立多个训练设备的退化轨迹库，随后通过相似性分析与贪婪匹配策略来确定某一待预测设备退化轨迹与退化轨迹库中的最佳匹配，进而通过寿命预测公式来计算设备的最终寿命。通过对美国国家航空航天局（NASA）公布的C-MAPSS子数据集Dataset#1进行验证并与现有深度学习方法进行对比，实验结果说明该方法有着更高的预测精度。
-
单位雅砻江流域水电开发有限公司
