热能动力工程

作者：张一鸣，刘晓锋，崔 宝，唐 瑞

单位：北京航空航天大学 交通科学与工程学院，北京 100191,,北京航空航天大学 交通科学与工程学院，北京 100191,,中国船舶集团有限公司第七〇三研究所，黑龙江 哈尔滨 150078,,中国船舶集团有限公司第七〇三研究所，黑龙江 哈尔滨 150078,

关键词：寿命预测;神经网络;模型融合;集成学习

基金：国家科技重大专项（2017-Ⅰ-0007-0008)

为了解决涡扇发动机的监测数据维数高、时间跨度长、给预测发动机剩余使用寿命带来困难的问题。本文提出了一种基于集成神经网络模型的发动机寿命预测系统，采用集成学习中的Stacking方法对单一的学习器进行集成来预测涡扇发动机的剩余使用寿命（RUL）。模型在NASA公共数据集C-MAPSS(Commercial Modular AeroPropulsion System Simulation)上进行了发动机寿命预测实验验证，并与常用的机器学习方法和单一神经网络进行了比较。实验结果表明：模型在多种评价方法上综合表现最佳，且在超前预测上表现良好。

来源：2022年第4期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2022年第4期