申请/专利权人:中国航发沈阳发动机研究所
申请日:2023-07-18
公开(公告)日:2024-03-15
公开(公告)号:CN117709182A
主分类号:G06F30/27
分类号:G06F30/27;G06F30/15;G06N3/0442;G06F18/15;G06F18/214;G06F18/241;G06F119/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.02#实质审查的生效;2024.03.15#公开
摘要:本申请提供了一种基于PSO优化BiLSTM的航空发动机退化模型建模方法,包括:获取发动机监测数据,对监测数据进行稳定状态提取及数据处理,数据处理过程包括缺失值处理、异常值处理和相关性分析,获得处理后的稳态数据;采用PSO对BiLSTM的参数进行寻优获得最优参数,基于最优参数建立基于BiLSTM的发动机退化趋势模型以进行发动机退化趋势分析和预测,基于均方根误差和平均绝对误差对发动机退化趋势预测结果进行评价,以验证发动机退化趋势模型的准确性;之后,基于t‑SNE对发动机退化趋势模型进行降维可视化,根据降维可视化的结果设置退化阈值,将退化程度分成不同阶段及分类,采用准确度和混淆矩阵对退化分类进行评价,判断退化程度分类的准确性。
主权项:1.一种基于PSO优化BiLSTM的航空发动机退化模型建模方法,其特征在于,所述方法包括:获取发动机监测数据,对所述测数据进行稳定状态提取及数据处理,所述数据处理过程包括缺失值处理、异常值处理和相关性分析,最终获得处理后的稳态数据;基于处理后的稳态数据,采用PSO对BiLSTM的参数进行寻优获得最优参数,基于所述最优参数建立基于BiLSTM的发动机退化趋势模型以进行发动机退化趋势分析和预测,基于均方根误差和平均绝对误差对发动机退化趋势预测结果进行评价,以验证所建立的发动机退化趋势模型的准确性;之后,基于t-SNE对发动机退化趋势模型进行降维可视化,根据降维可视化的结果设置退化阈值,将退化程度分成不同阶段,进行基于BiLSTM的退化程度分类,采用准确度和混淆矩阵对退化分类进行评价,从而判断退化程度分类的准确性。
全文数据:
权利要求:
百度查询: 中国航发沈阳发动机研究所 一种基于PSO优化BiLSTM的航空发动机退化模型建模方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。