• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Condition Monitoring of Machinery in Non-Stationary Operations >Remaining Useful Life Prediction of Aero-Engine Based on PCA-LSTM
【24h】

Remaining Useful Life Prediction of Aero-Engine Based on PCA-LSTM

机译：基于PCA-LSTM的航空发动机剩余使用寿命预测

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Remaining useful life (RUL) Prediction is one of the key technologies to realize engine health management. Aiming at the problems of high dimension of aeroengine sensor monitoring data and complex modeling of performance degradation, a prediction method of aeroengine remaining useful life based on PCA-LSTM is proposed. Firstly, Principal component analysis (PCA) is used to reduce the dimension of sensor data, and the correlation between engine multidimensional sensor data is extracted to improve the prediction performance. Then, the extracted time sequence data is predicted by Long and Short-Term Memory neural network (LSTM), and the remaining useful life prediction model is established. Finally, the NASA's C-MAPSS aero-engine data set is selected for verification, and the results show that the remaining useful life prediction method based on PCA-LSTM has high accuracy.
机译：剩余的使用寿命（RUL）预测是实现发动机健康管理的关键技术之一。 针对航空发动机传感器监测数据高度尺寸的问题及复杂性能下降建模，提出了一种基于PCA-LSTM的航空发动机剩余使用寿命的预测方法。 首先，主要成分分析（PCA）用于减少传感器数据的尺寸，提取发动机多维传感器数据之间的相关性以提高预测性能。 然后，通过长期内存神经网络（LSTM）预测提取的时间序列数据，并且建立了剩余的使用寿命预测模型。 最后，选择NASA的C-MAPSSS Aero-Engine数据集进行验证，结果表明，基于PCA-LSTM的剩余使用寿命预测方法具有高精度。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号