基于主成分分析和一维卷积神经网络的航空发动机剩余寿命预测（英文）

作者：吕德峰; 胡煜雯^*

来源：Transactions of Nanjing University of Aeronautics & Astronautics, 2021, 38(05): 867-875.

DOI：10.16356/j.1005-1120.2021.05.014

• 航空发动机
• 剩余使用寿命
• 主成分分析
• 一维卷积神经网络
• 时间序列预测
• 状态参数

为了直接构造多个状态参数与剩余使用寿命之间的映射关系,减少随机误差对预测精度的干扰,提出了一种基于主成分分析(Principal component analysis,PCA)和一维卷积神经网络(One-dimensional convolution neural network,1D-CNN)的航空发动机剩余寿命预测模型。首先,采集航空发动机多个循环对应的多种状态参数,将其带入到主成分分析模型中降维,提取主成分用于进一步的时间序列预测。其次,建立1D-CNN模型,直接研究主成分与剩余使用寿命之间的映射关系。采用多重卷积和池化运算进行深度特征提取,实现航空发动机端到端剩余寿命预测。实验结果表明,PCA可以从多状态参数中提取最有效的主成分,而1D-CNN可以将多状态参数的长时间序列直接映射到剩余使用寿命,从而提高剩余使用寿命预测的效率和准确性。与其他传统模型相比,该方法具有较低的预测误差和较好的鲁棒性。

• 单位
  南京航空航天大学