来源：期刊VIP网 时间：
作者：刘翠琴;王海瑞;朱贵富;
单位：昆明理工大学信息工程与自动化学院;昆明理工大学信息化建设管理中心;
摘要：针对航空发动机传感器检测数据高噪声、多维度、同剩余使用寿命一致衰减特性的问题，本文采用小波降噪（Wavelet denoising, WD）、时间卷积网络（Time convolution network, TCN）和多头注意力（Multi head attention, MHA）机制，提出一种新的网络结构模型：时间卷积-多头注意力（Time convolution-multi head attention, TCN-MHA）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（Remaining useful life prediction, RUL）预测精度。首先对多通道传感器量测数据进行WD去除白噪声干扰，降低多传感器衰减过程中存在的众多因素引起的误差。其次采用TCN提取处理后的多维数据的时序特征并映射出系统性能退化关系，最后利用MHA提取每一维数据预测贡献度，从而给不同维数据分配不同权重并有效预测出航空发动机RUL。在商用模块化航空推进系统仿真（Commercial modular aero-propulsion system simulation, C-MAPSS）数据集上，通过与TCN、MHA以及长短期记忆网络（Long short-term memory network, LSTM）进行实验对比，结果表明本文所提出的预测方法性能优于其他模型，验证了本文所提方法的有效性。
关键词：航空发动机;;剩余使用寿命;;小波降噪;;时间卷积网络;;多头注意力机制
基金资助：国家自然科学基金项目（61863016,61263023）
