来源：期刊VIP网 时间：
作者：林荣祥;王海瑞;朱贵富;
单位：昆明理工大学信息工程与自动化学院;昆明理工大学信息建设管理中心;
摘要：为了提高航空发动机RUL的预测精度，提出了一种堆叠卷积融合长短时间记忆网络模型（Stacked convolutional-long short-term memory network, SDCNN-LSTM）求解发动机衰减特性的映射关系来提高航空发动机剩余使用寿命预测精度。首先，对多传感器监测到的数据进行归一化处理，降低数据的量纲使数据落入一个小的特定区间，从而消除奇异样本的影响。其次，构建SDCNNLSTM神经网络预测模型，SDCNN中的膨胀率用于增加卷积层的感受野，同时保持计算成本低。这使得该模型能够捕捉发生在各种时间尺度上的模式，模型接下来使用自注意力机制对特征进行编码，以便在加入LSTM层之前进一步提取时间序列的特征，LSTM用于捕捉时序数据中的时间依赖性，并对下一个时刻进行预测，从而有效的预测出航空发动机的RUL。最后，通过Hyperband算法对模型进行优化，以提高模型预测准确性，并利用涡扇发动机退化过程数据集C-MAPSS对所提方法进行验证，实验结果表明所提方法优于其他模型，验证了该方法的可行性和有效性。
关键词：航空发动机;;剩余使用寿命;;堆叠膨胀卷积网络;;长短时间记忆网络;;自注意力机制;;Hyperband算法
基金资助：国家自然科学基金项目（61863016,61263023）
