| 基于集成学习的涡扇发动机剩余寿命预测模型 |
| |
| 引用本文： | 张一鸣,刘晓锋,崔 宝,唐 瑞.基于集成学习的涡扇发动机剩余寿命预测模型[J].热能动力工程,2022,37(4):64-70. |
| |
| 作者姓名： | 张一鸣 刘晓锋 崔 宝 唐 瑞 |
| |
| 作者单位： | 1. 北京航空航天大学交通科学与工程学院;2. 中国船舶集团有限公司第七〇三研究所 |
| |
| 基金项目： | 国家科技重大专项(2017-Ⅰ-0007-0008)~~； |
| |
| 摘 要： | 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。
|
| 关 键 词： | 寿命预测 神经网络 模型融合 集成学习 |
Turbofan Engine Remaining Useful Life Prediction Model based on Ensemble Learning |
| |
| ZHANG Yi-ming,LIU Xiao-feng,CUI Bao,TANG Rui.Turbofan Engine Remaining Useful Life Prediction Model based on Ensemble Learning[J].Journal of Engineering for Thermal Energy and Power,2022,37(4):64-70. |
| |
| Authors: | ZHANG Yi-ming LIU Xiao-feng CUI Bao TANG Rui |
| |
| Abstract: | |
| |
| Keywords: | life prediction neural network multi model combination ensemble learning |
|
| 点击此处可从《热能动力工程》浏览原始摘要信息 |
|
点击此处可从《热能动力工程》下载全文 |
