引用格式:曹越.基于多变量多步ＣＮＮ的航空发动机剩余寿命预测[Ｊ].航空计算技术ꎬ２０２３ꎬ５３(４):７６－８０.ＣＡＯＹｕｅ.ＲｅｍａｉｎｉｎｇＵｓｅｆｕｌＬｉｆｅＰｒｅｄｉｃｔｉｏｎｏｆＡｅｒｏｅｎｇｉｎｅＢａｓｅｄｏｎＭｕｌｔｉｖａｒｉａｂｌｅＭｕｌｔｉｓｔｅｐＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ[Ｊ].ＡｅｒｏｎａｕｔｉｃａｌＣｏｍｐｕｔｉｎｇＴｅｃｈｎｉｑｕｅꎬ２０２３ꎬ５３(４):７６－８０.基于多变量多步ＣＮＮ的航空发动机剩余寿命预测曹越(南京航空航天大学ꎬ江苏南京２１１０００)摘要:针对航空发动机状态参数多、非线性特征提取难、多环节剩余寿命预测累计误差高的痛点问题ꎬ提出多变量多步卷积神经网络用于航空发动机剩余寿命预测ꎮ将多状态参数对应的长时间序列作为输入样本ꎬ连续的剩余寿命值作为模型输出ꎬ通过多变量多步卷积神经网络的特征提取与降维处理ꎬ实现了从多状态参数到多步剩余寿命的端对端直接预测ꎮ利用ＣＭＡＰＳＳ仿真数据集进行实例验证ꎬ结果表明:多变量多步卷积神经网络能够高效准确的得到端对端剩余寿命预测结果ꎻ与其他对比模型相比ꎬ也有更低的预测误差ꎮ关键词:卷积神经网络ꎻ航空发动机ꎻ状态参数ꎻ剩余寿命ꎻ端对端预测中图分类号:Ｖ２６３.６文献标识码:Ａ文章编号:１６７１６５４Ｘ(２０２３)０４００７６０５ＲｅｍａｉｎｉｎｇＵｓｅｆｕｌＬｉｆｅＰｒｅｄｉｃｔｉｏｎｏｆＡｅｒｏｅｎｇｉｎｅＢａｓｅｄｏｎＭｕｌｔｉｖａｒｉａｂｌｅＭｕｌｔｉｓｔｅｐＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋＣＡＯＹｕｅ(ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓａｎｄＡｓｔｒｏｎａｕｔｉｃｓꎬＮａｎｊｉｎｇ２１１０００ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｔｏａｄｄｒｅｓｓｔｈｅｐａｉｎｐｏｉｎｔｓｉｓｓｕｅｓｏｆｍｕｌｔｉｐｌｅｓｔａｔｅｐａｒａｍｅｔｅｒｓꎬｄｉｆｆｉｃｕｌｔｙｉｎｅｘｔｒａｃｔｉｎｇｎｏｎｌｉｎｅａｒｆｅａｔｕｒｅｓꎬａｎｄｈｉｇｈｃｕｍｕｌａｔｉｖｅｅｒｒｏｒｉｎｐｒｅｄｉｃｔｉｎｇｒｅｍａｉｎｉｎｇｕｓｅｆｕｌｌｉｆｅｏｆａｅｒｏｅｎｇｉｎｅｓꎬａｍｕｌｔｉｖａｒｉａｂｌｅｍｕｌ￣ｔｉｓｔｅｐｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄｆｏｒｒｅｍａｉｎｉｎｇｕｓｅｆｕｌｌｉｆｅｏｆａｅｒｏｅｎｇｉｎｅｓ.Ｔｈｅｎｅ...
