【摘 要】
：
剩余寿命预测对航空发动机的预防性维修有重要指导作用,是保障飞机安全运行,提高维修保障效率的重要手段.一维卷积神经网络(1-dimensional convolutional neural network,1D-CNN)和双向长短时记忆神经网络(Bidirectional long short memory,Bi-LSTM)被应用于航空发动机剩余寿命预测模型.首先,根据工程经验在多状态参数的主成分分析的基础上对退化过程进行随机分布拟合,得到综合性能退化量;然后将多变量时间序列样本和对应的性能退化量代入1D-
【机 构】
：
南京航空航天大学民航学院 南京211106
论文部分内容阅读
剩余寿命预测对航空发动机的预防性维修有重要指导作用,是保障飞机安全运行,提高维修保障效率的重要手段.一维卷积神经网络(1-dimensional convolutional neural network,1D-CNN)和双向长短时记忆神经网络(Bidirectional long short memory,Bi-LSTM)被应用于航空发动机剩余寿命预测模型.首先,根据工程经验在多状态参数的主成分分析的基础上对退化过程进行随机分布拟合,得到综合性能退化量;然后将多变量时间序列样本和对应的性能退化量代入1D-CNN模型进行回归分析,从而得到性能退化分析模型;再通过Bi-LSTM对性能退化量进行时间序列预测,得到性能退化的未来趋势;最后通过设定性能退化阈值,得到剩余寿命预测结果,从而得到从多状态参数-性能退化分析-性能退化预测-剩余寿命预测的实时动态感知模型.实例分析结果表明,提出的混合模型与其他单—深度学习和传统模型相比,有更低的回归分析误差和退化预测误差,能够得到更准确可靠的剩余寿命预测结果.
其他文献
增材制造技术被认为是解决复杂结构陶瓷零部件制造的有效新途径之一.其由点-线-面-体累加成型的制造过程还为具有特殊宏微观结构的陶瓷零部件赋予了一体化的结构功能特性.综述了熔融沉积造型、挤出直写、喷墨打印以及粘接剂喷射等四种基于挤出或喷射成型原理的陶瓷增材制造技术的历史起源、工作原理、原材料制备以及打印工艺研究等内容,并结合研究实例探讨打印件性能与应用研究.通过不同技术的特点对比,提出目前陶瓷挤出喷射增材制造技术面临的主要挑战并进行了展望.
随着全球能源结构调整及能源利用效率的提高,石化、核电等承压设备日益朝着大型化方向发展,焊接作为一种传统连接工艺,依然是大型承压设备制造的关键技术.然而,焊接不可避免带来残余应力,是引发应力腐蚀、疲劳、断裂等失效的主要原因之一,对承压设备结构完整性及安全服役产生重要影响.因此,有效调控焊接残余应力是保障大型承压设备结构完整性的关键.而焊接残余应力作为一种“看不见、摸不着”的天生缺陷,其精准的计算方法和可靠的测试手段亦是实现其科学有效调控的基础.基于国内外研究成果以及笔者研究团队的研究工作,系统总结了近半个世