基于LSTM网络参数优化的航空发动机寿命预测

作为飞机正常运行的关键部件,航空发动机在保证飞机整体可靠性方面起着至关重要的作用。为了精确预测航空发动机剩余使用寿命(Remain Useful Life,RUL),提出了一种基于混沌博弈(Chaos Game Optimization,CGO)算法优化长短时记忆(Long Short-Term Memory,LSTM)网络的预测方法。首先,基于航空发动机历史运行数据构建CGO算法的适应度函数;其次,利用CGO算法对LSTM网络内的神经元个数、学习率、迭代次数等参数进行调整;最后,利用训练好的LSTM网络预测在役航空发动机的RUL。基于NASA提供的航空发动机退化仿真数据集,实验结果表明,该方法的预测精度优于单一LSTM网络预测方法。