基于SMIV-1DCNN的燃气轮机剩余使用寿命预测方法研究

为了实现船用燃气轮机剩余使用寿命的预测，对燃气轮机健康监测参数进行斯皮尔曼(Spearman)相关关系分析，采用平均影响值(Mean Impact Value, MIV)进一步分析监测参数对性能退化的敏感性，筛选出敏感特征；对得到的燃气轮机特征参数进行预处理，以消除外界环境的影响；研究了一维卷积神经网络(One Dimension Convolutional Neural Networks, 1DCNN),挖掘滑窗特征参数与运行时间的映射关系，实现燃气轮机剩余使用寿命预测。基于美国国家航天局发布的航空发动机退化数据集，验证了SMIV-1DCNN剩余使用寿命预测方法的有效性；开展了船用燃气轮机性能退化剩余使用寿命预测仿真试验。仿真试验结果表明，该方法不受燃气轮机初始状态影响，剩余使用寿命预测绝对误差56.10、平均绝对百分误差107.87、均方误差70.95,预测性能优于BP神经网络、LSTM神经网络与GRU神经网络。