基于双向长短期记忆网络的DA40飞机碳刹车片剩余寿命预测

• 作者: 徐萌 王亚锟
• 来源期刊: 计算机应用
• 关键词: 双向长短期记忆网络 变分模态分解 碳刹车片 剩余使用寿命 神经网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 应用前沿、交叉与综合|Frontier & interdisciplinary applications
• 页码范围: 1527-1532
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020071125

摘要

飞机刹车片在飞机制动过程中起着十分重要的作用.对刹车片进行准确的剩余使用寿命(RUL)预测对于减少制动故障以及节省人力物力资源具有重要意义.针对飞机刹车片磨损序列的非平稳和非线性等特点,提出了一种基于双向长短期记忆(BiLSTM)网络的飞机刹车片RUL预测模型——VMD-BiLSTM模型.首先,利用变分模态分解(VMD)方法将原始磨损序列分解成多个具有不同频率和带宽的子序列,从而降低序列的非平稳性;然后,对分解后的各子序列分别构造BiLSTM神经网络预测模型;最后,将每个子序列的预测值叠加来得到刹车片磨损值的最终预测结果,从而实现刹车片的寿命预测.仿真结果表明,VMD-BiLSTM模型的均方根误差(RMSE)为0.466,平均绝对百分比误差(MAPE)为0.898％,均优于对比模型,验证了VMD-BiLSTM模型的优越性.