双向LSTM神经网络的航空发动机故障预测

• 作者: 曾慧洁 郭建胜
• 来源期刊: 空军工程大学学报（自然科学版）
• 学科: 工学
• 关键词: 故障预测 时间序列 双向LSTM神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 军用航空
• 页码范围: 26-32
• 页数: 7页
• 分类号: V23|TP183
• 字数: 4854字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-3516.2019.04.004

摘要

准确的航空发动机故障预测能够为维修决策提供依据,提高装备完好率,避免灾难性故障并最小化经济损失.根据航空发动机传感器数据特点,提出一种基于双向长短期记忆(LSTM)神经网络的故障预测方法,建立故障预测模型,包括数据预处理、网络模型设计、训练与测试,得到在多种工作条件和故障下具有较强泛化能力的神经网络预测模型.使用C-MAPSS数据集对模型进行仿真验证,所提出的双向LSTM故障预测模型通过与RNN、GRU、LSTM时间序列模型对比,误差下降33.58％,得到更高的预测精度,非对称评分下降71.22％,具有更好的适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭建胜	空军工程大学大学装备管理与无人机工程学院	61	381	10.0	16.0
2	曾慧洁	空军工程大学大学装备管理与无人机工程学院	1	2	1.0	1.0