TY -的A2 Ragulskis Minvydas AU - Ma,剑盟——苏,华盟——赵Wan-lin盟——刘本PY - 2018 DA - 2018/07/30 TI -的剩余使用寿命预测航空发动机使用堆叠稀疏Autoencoder多层自学SP - 3813029六世- 2018 AB -因为它们是飞机的关键组件,提高安全性、可靠性和经济的引擎是至关重要的。为了确保飞行安全,减少维护成本的航空发动机操作期间,一个预测和健康管理系统,着重于故障诊断,介绍了健康评估和寿命预测来解决这个问题。预测剩余寿命(原则)是最重要的信息关于航空发动机操作和维护的决策,这在很大程度上依赖性能退化特性的选择。这些特性是非常重要的选择,但也有一些缺点在当前原则预测的算法,值得注意的是,无法获得数据的倾向。尤其是在飞机引擎,从多传感器数据中提取有用的降解特性与复杂的相关性是一个关键技术问题,阻碍了退化评估的实现。要解决这些问题,提出了深度学习近年来利用多层无监督学习的非线性信息处理功能。提出了一种深度学习的方法来预测飞机引擎的原则基于堆叠稀疏autoencoder和逻辑回归。堆叠稀疏autoencoder用于自动提取从多个传感器在航空发动机性能退化特性,通过多层自学习融合多个特性。使用逻辑回归来预测剩余寿命。但是,深度学习的hyperparameters显著特征提取和预测性能的影响,在大多数情况下基于专家经验确定。 The grid search method is introduced in this paper to optimize the hyperparameters of the proposed aircraft engine RUL prediction model. An application of this method of predicting the RUL of an aircraft engine with a benchmark dataset is employed to demonstrate the effectiveness of the proposed approach. SN - 1076-2787 UR - https://doi.org/10.1155/2018/3813029 DO - 10.1155/2018/3813029 JF - Complexity PB - Hindawi KW - ER -