航空涡扇引擎剩余使用寿命预测算法研究

摘要

为改进故障预测技术,提出了全特征输入长短时记忆单元(AF-LSTM)算法。根据底层原始传感器数据自动学习更高级的抽象表示,并利用这些表示导出传感器数据,估计剩余使用寿命(RUL)。该文方法不依赖任何退化趋势假设,对噪声健壮,并能处理缺失值。在公开航空涡扇汽轮机引擎仿真数据集上的实验结果表明:该文方法的均方误差(MSE)指标明显优于多层感知器(MLP)模型,其时间分数(Score)指标优于带指数假设的线性回归(LR-EXP)模型。