论文部分内容阅读
剩余寿命作为预测性维修的重要支撑,智能预测能及时识别出复杂系统寿命变化规律,准确反映不同工况对剩余寿命的影响.针对复杂系统运行工况与高维度、多尺度时序数据,构建多层LSTM预测模型,防止了梯度消失,能够提取不同工况下时序数据的深层次关联性抽象特征.利用Dropout方法减少预测模型过拟合,针对预测模型的不确定性,设计误差得分函数以评估超前与滞后预测.以航空发动机为例,验证了所提出的智能预测模型的有效性.